论文框架

论文的主要研究内容包括：

(1)在对股票预测的方法上给出本文的模型设计的基本思想和相关的步骤。

(2)将模型与其他常见的股票预测方法进行比较，显示神经网络的优势。

论文后续章节安排如下：

第二章主要介绍神经网络的相关原理和算法分析。

第三章主要介绍SAS EM的基本功能原理，主要作为建模的工具。

第四章是具体的建模过程，即是本文的主要部分。

第五章对论文工作进行总结，指出模型改进和今后的研究方向。

最后便是致谢和参考文献，附录程序代码。

......

对flag=1列进行降序排序，查看yield值的总和为0.601964498。根据flag的立体直方图中的盈亏比例，通过查看flag在模型股票涨价比例43.68%的范围内yield值的和就得到了总体的回报率，yield总和为0.391804197(flag取到0.437555)。

在大盘总体上涨的情况下，模型没有得到很好的预测效果。相比于整体的盲目买卖，模型所带来的利益其实并不比特别特出，甚至都没有盲目买卖带来的回报率高。但是，盲目买卖不可能会处处顺利，难免出错，毕竟没有人会一直相信自己的运气。而且，模型的明显优点就是可以让你减少出手的次数，这样就可以省下一笔不小的手续费。最主要的是，虽然模型不能带来高收益，但至少也不会出现高风险，亏大本。

终上所述，其实模型就是应用了神经网络的原理，通过输入层输入相应的变量，让神经网络自行学习模拟，输出需要的目标值，具体可以通过图4.7表现出来。

......

论文通过SAS EM模块用神经网络的方法，将研究的模型进行简化，主要的工作量都集中在数据的分割处理、技术指标的推出上。至于神经网络的内部复杂算法，则全部交给了EM自己来学习模拟，准确性方面还是值得信赖的。SAS EM的图形化界面，使得模型的建立变得非常简单，同样也使得模型的应用推广可以顺利进行。