在金融证券市场中,传统线性分析方法长期以来一直是被人们广泛采用的主要分析手段,目前仍然是占主流的方法。从某种程度上说,线性分析方法是成功和有效的,它解释了金融证券市场中的很多直观现象和具体问题,但是,由于金融证券市场确实非常复杂,对于更多的复杂现象和难解问题,单纯依靠线性分析方法很难得出令人满意的结果。于是,把证券市场作为非线性复杂系统来建立模型正成为一种新的趋势。本文的工作是将非线性理论和分析方法应用于金融证券市场的探索性研究。本文首先考察了以证券市场为例的金融经济系统运行特征,证明了中国金融证券市场是一个复杂的非线性系统,存在自发性、无序性的一面,也存在自组织性、自我调整、向某种规律逼近的一面。本文的研究目的是针对金融市场信息的非线性特征,将神经网络这种重要的非线性分析方法和金融理论相结合,通过建模、特征提取和金融市场时间序列的数据分析,将金融信息的研究建立在更加切合实际的理论和更加智能化的基础上。本文介绍了人工神经网络的基础知识和金融经济系统中一个典型问题―证券市场预测问题,接着深入研究了几种神经网络模型,包括最常用的BP神经网络模型和较新颖的模糊神经网络模型,研究它们对中国证券市场时间序列预测的效果,并对这些研究结果进行了分析和比较。针对预测结果的误差放大趋势,提出了一种组合神经网络,仿真实验结果表明,它提高了单一神经网络的预测精度。最后,本文介绍将神经网络方法运用到证券市场预测的实际工程案例。