۳-۴- فرضیات پژوهش ۷۰
۳-۵- روش‌های گردآوری اطلاعات ۷۰
۳-۶- ابزار جمع‌آوری داده‌ها ۷۱
۳-۷- قلمرو پژوهش ۷۱
۳-۷-۱- قلمرو موضوعی پژوهش ۷۱
۳-۷-۲- قلمرو زمانی پژوهش ۷۲
۳-۷-۳- قلمرو مکانی پژوهش ۷۲
۳-۸- جامعه آماری ۷۲
۳-۹- متغیرهای مورد استفاده در پژوهش ۷۲
۳-۹-۱- متغیر وابسته (ملاک یا هدف) ۷۳
۳-۹-۲- متغیرهای مستقل (پیش بین) ۷۳
۳-۱۰- مدل مورد مطالعه ۷۶
۳-۱۱- روش‌ مدل‌سازی خطی ۷۸
۳-۱۱-۱- آزمون‌های پیش‌فرض مدل‌سازی ۷۸
۳-۱۱-۲- تجزیه و تحلیل رگرسیون ۷۸
۳-۱۱-۳- تحلیل پانلی ۷۹
۳-۱۲- هوش مصنوعی ۸۰
۳-۱۲-۱- شبکه‌های عصبی مصنوعی و پیدایش آن ۸۱
۳-۱۲-۲- مزایای شبکه‌های عصبی مصنوعی ۸۲
۳-۱۲-۳- ساختار شبکه عصبی مصنوعی و طراحی آن ۸۴
۳-۱۳- روش‌ بهینه‌سازی خطی ۸۷
۳-۱۳-۱- مدل مارکویتز ۸۷
۳-۱۳-۲- ورودی‌های مورد نیاز ۸۸
۳-۱۳-۳- تعیین پرتفوی کارا ۹۰
۳-۱۳-۴- انتخاب یک پرتفوی بهینه ۹۱
۳-۱۴- روش بهینه‌سازی غیرخطی ۹۲
۳-۱۴-۱- الگوریتم ژنتیک و پیدایش آن ۹۲
۳-۱۴-۲- قانون انتخاب طبیعی ۹۲
۳-۱۴-۳- مزایای الگوریتم ژنتیک ۹۴
۳-۱۴-۴- محدودیت‌های الگوریتم ژنتیک ۹۵
۳-۱۴-۵- اصطلاحات الگوریتم ژنتیک ۹۶
۳-۱۴-۶- فرآیند الگوریتم ژنتیک ۹۷
۳-۱۴-۷- همگرایی و توقف در الگوریتم ژنتیک ۱۰۰
۳-۱۵- نحوه‌ی آزمون فرضیات ۱۰۰
۳-۱۵-۱- آزمون فرضیه‌ی اول ۱۰۰
۳-۱۵-۲- آزمون فرضیه‌ی دوم ۱۰۱
۳-۱۵-۳- آزمون فرضیه‌ی سوم ۱۰۱
فصل چهارم: تجزیه و تحلیل اطلاعات ۱۰۲
۴-۱- مقدمه ۱۰۳
۴-۲- پیش ­بینی بازده صندوق­ها با بهره گرفتن از رویکرد خطی ۱۰۳
۴-۲-۱- آزمون‌های مدل خطی ۱۰۴
۴-۲-۲- استخراج مدل خطی ۱۰۵
۴-۳- پیش ­بینی بازده صندوق­ها با بهره گرفتن از رویکرد شبکه ­های عصبی مصنوعی ۱۰۸
۴-۳-۱- پیش­پردازش داده­ ها ۱۰۸
۴-۳-۲- طراحی شبکه‌ی عصبی ۱۰۹
۴-۴- نتایج آزمون فرضیه اول ۱۱۱
۴-۵- نتایج آزمون فرضیه دوم ۱۱۲
۴-۵-۱- مقایسه نتایج شبکه عصبی با داده‌های واقعی ۱۱۲
۴-۵-۲- آزمون زوجی ۱۱۳
۴-۶- نتایج آزمون فرضیه سوم ۱۱۴
۴-۶-۱- سبدهای بهینه خطی و غیرخطی ۱۱۵
۴-۶-۲- آزمون زوجی ۱۱۷
۴-۶-۳- بررسی تأثیر اندازه سبد سرمایه­گذاری ۱۱۹
فصل پنجم: خلاصه، نتیجه‌گیری و پیشنهادها ۱۲۱
۵-۱- مقدمه ۱۲۲
۵-۲- خلاصه نتایج آزمون فرضیه پژوهش ۱۲۲
۵-۲-۱- نتایج آزمون فرضیه اول ۱۲۲
۵-۲-۲- نتایج آزمون فرضیه دوم ۱۲۴
۵-۲-۳- نتایج آزمون فرضیه سوم ۱۲۴
۵-۳- محدودیت‌های پژوهش ۱۲۶