本文主要讨论了灰色模型应用于证券分析的可行性，并通过对灰色模型的改进，建立了组合模型，以及新的分析方法：均线形态组合法，在一定程度上实现了对股票价格的中、短期趋势都有较好的预测效果。 第二章对灰色模型应用于证券分析的可行性进行论证，改进了残差灰色预测模型，并通过对灰色系统建模数据的变换，改进了数据的光滑特性，进一步提高预测的精度。 第三章将人工神经网络引入证券分析中，通过选取适当的网络结构、训练参数和计算机编程实现了较好预测效果。 第四章应用结构模式识别的方法，建立多阶均线形态组合序列。通过对股市历史数据的变换和分析，考查各形态组合序列对应的盈利和亏损概率，建立新的证券投资分析方法即均线形态组合预测法。其优点是可以部分弥补传统技术分析中的滞后性和不确定性，能根据市场的变化及时调整相应的参数指标，有效提高预测的成功率，并易用计算机作出识别。 第五章针对证券数据序列同时具有增长性和波动性的特性，建立组合灰色神经网络模型，研究了同时考虑两种非线性趋势的预测问题。 本文通过大量的实例，对以上方法进行了验证。