隨著證券市場規模不斷擴大，投資人越來越難以選擇投資標的，電腦之超強計算能力，應可幫助投資人進行證券投資。但傳統之電腦處理方式難以適應迅息萬變之外在環境，若一模式能自我學習、自我調整，如同人一般學習，再輔以其快速的資料處理能力，應能幫助投資人進行投資。類神經網路(Neural Network)，被稱為「第六代電腦」，即具有自我學習調整能力。 　　本研究使用貝氏(Bayesian)類神經網路，其屬於非監督式類神經網路，具有學習時間短、理論健全之機率型(Probability)類神經網路。理論上，盈餘影響公司未來成長及股利，進而反應於其股價。而盈餘又是一公司各項決策之經營成果，經營決策將顯示於各項財務數字及比率。故我們以財務比率訓練其掌握該企業明年度盈餘成長或衰退之類神經網路，進而以該預測結果運用於擬證券投資以觀察其有用性。 　　實證研究結果顯示，若訓練樣本中包含大多偏差值(Outliner)，則將破壞網路之機率分配，使網路無法架構。去除偏差值後，再進行網路訓練，則有約百分之七十的預測未來盈餘走向正確率，若訓練樣本再去除灰色地帶(Gray Aera)之樣本，即盈餘處於不成長不衰退之間的樣本，正確率可再稍微提升。模擬投資結果顯示運用貝氏類神經網路於證券投資所獲得之超額報酬率，高於銀行業最高定期存款報酬率，顯示本研究模式應有可取之處。