本文选取了2011年1月1日到2012年10月10日的人民币汇率作为数据源，采用了BP神经网络动态模型与ARMA模型对人民币汇率进行了预测分析，结果表明：预测人民币汇率的涨跌方向上和预测人民币汇率大小偏差上，BP神经网络动态模型的预测效果都要好于ARMA模型的预测效果。

非平稳时间序列预测问题一直都是一个难题，本文运用EMD技术将非平稳时间序列分解为一系列imf的和一个残余量。由聚类分析得到若干个cimf，然后通过对每个cimf以及残余量建立神经网络模型进行预测，达到对原时间序列的组合预测。文章的实证结果表明EMD组合预测可以有效解决非平稳的问题，且预测精度达到良好效果。

基于粗糙集理论，本文有效地分析和处理了财务危机预警指标体系中不明确和不完 备的信息，同时利用贝叶斯正则化算法克服了标准神经网络BP 算法存在的易形成局部最小、 收敛速度很慢和过度训练等问题，改进了BP 神经网络泛化能力。在此基础上，本文建立了 一个基于粗糙集和神经网络的财务危机预警模型，通过应用分析，此模型预测精度非常高， 而且不需要对变量作任何特殊假设，能够很好的对企业财务状况进行预测。

股市的价格或收益虽然不可预测，但收益的波动性却在一定程度上具有可预测性。波动性预测并不能像收益预测那样带来直接的盈利机会，但它对投资者判断市场风险状况从而更有效的进行资产定价、制定交易策略、构建投资组合和风险控制具有重要意义。国内关于沪深股市的波动率预测方面的研究主要采用的是基于日数据的GARCH类模型、随机波动率(SV)模型等，而较少采用基于高频数据的预测模型，尤其是基于高频数据的神经网络等非线性波动率预测方面的研究更为少见。为此，本文试图进行这方面的尝试。通过沪深300指数高频数据的实证分析，我们发现：我国股市的波动率具有可预测性，我们模型的预测都能超越随机游走的结果；采用高频数据能显著提高模型的预测能力，采用高频数据的模型明显优于采用日数据的模型，而且如人工神经网络等非线性模型的预测优于传统经典的线性模型。

用风险是我国商业银行运营过程中的主要风险，因此加强信用风险的有效评估 至关重要。本文借鉴多传感器信息融合综合评价的优势，建立了基于BP神经网络、支持向量 机和DS证据理论基础上的信用风险评估模型。通过采用国内某商业银行的数据，利用本模 型,BP网络和支持向量机三者做了相应的验证，研究结果表明，该模型相对传统的BP网络和 支持向量机的评估模型，能得出较优的评估结果。本文的研究结论对于丰富我国商业银行的 信用风险评估体系和加强风险管理具有重要意义。

本文采用定性与定量相结合的方法对财务危机预警中财务比率的选择进行了研究。首先根据初选原则对财务比率进行了初步选择，然后提出了一种基于神经网络的变量选择方法，对初选的财务比率进行定量筛选并进行了实证研究，结果表明，这是一种科学、通用的变量选择方法。

本文提出了用神经网络技术来构建信贷风险判别专家系统的基本思想和主要关键技术。论文首先综述了国际上进行信用分析的主要方法，然后介绍了神经网络的基本原理以及在信贷风险判别中的一些研究成果。文中重点提出了基于神经网络的信贷风险判别专家系统的结构、神经网络模型和主要的财务指标。并且对实现和应用做了一些阐述。

信息操纵与内幕交易是市场经济的敌人，而惯性交易策略是市场经济的忠诚护卫者，她将有利于扫荡市场经济中的无耻恶行。 “基于自适应控制数理建模的股票（期货）投资系统”采纳广泛而有意义的数理原理，即连续博弈过程中所必须的工具，而不是预先确定一个（非回归）精炼方程，以企图描述复杂系统的演化进程。本系统将鞅论、小波分析、神经网络算法、非线性动力学、湍流不动点、自适应鲁棒控制、进化争当少数获胜博弈、行为金融学、及复杂科学系统等数学物理理论融于一体；对开放的、自组织的连续交易分形市场，拟合非线性随机差分方程，随机逼近波动函数极值dx/dt=0，以辨识无特征尺度波动转捩点，并建立相应匹配资金管理系统模型，从而实行基于不动点的反向与惯性行为金融交易；并通过分析离散时间、价格区间股票（期货）买卖交易量及残差量序列变化，建立惯性的动态系统交易技术模型；依据市场供求关系（相对增量资金买入推动上涨趋势，相对增量头寸抛压促发下跌趋势），跟踪价格波动方向，将非线性混沌市场交易化归为多尺度拟线性递推形式，从而获取具多物理量，能有效监测价格波动惯性、跟踪市场趋势，提供交易决策的量化标准，可帮助实现市场压力测试及套利操作。 “基于自适应控制数理建模的股票（期货）投资系统”由马金龙和马非特独立创建，具有自主知识产权。其特点是有气象预报一样的数值分析；有地震预测一样的物理原理；有弹道导弹一样的航位推算；独创股票（期货）惯性交易策略。