首先应用模糊聚类方法将数据分类，以相邻两个聚类中心的中点作为子区间的分界点来划分论域，并以此将时间序列模糊化为模糊时间序列；其次根据证券市场主要量价指标建立了具有多个前件的高阶模糊关系；最后将该模型用于上证股票综合指数和深证股票成分指数的多步预测和涨跌趋势预测。与典型模糊时间序列模型比较，涨跌趋势预测准确率有较大提高，多步预测结果表明模型具有较好的泛化能力。

将投资专家的成功经验引入模糊时间序列模型，实现股票市场走势的多步预测。首先根据专家经验构造多个反映市场结构特征的变量并将其模糊化为模糊时间序列；其次建立具有多前件、高阶模糊关系的模糊时间序列预测模型；最后将该模型用于股票指数预测。结果表明，与经典模糊时间序列模型相比，其预测精度有了较大提高。