证券分析师的工作与资本市场的发展息息相关。证券分析师通过研究报告的形式向投资者传递专业的信息，进一步缩小了投资者与被投资者之间的信息不对称。从国内外资本市场的实践来看，证券分析师的工作对甄别上市公司质量、提高市场效率、合理配置资源发挥着至关重要的作用。互联网、大数据与人工智能技术的发展，使人们加工利用证券分析师群体的研究报告成为可能。融合专家群体决策信息已成为专家群体智能研究的前沿，但是由于证券分析师个体存在差异，其本身所掌握知识的有限性以及对问题认识的局限性，导致证券分析师给出预测信息的重要性和可靠性不同，而这部分信息对证券分析师预测信息最终合成结果的质量有重要影响。因此，如何衡量证券分析师给出预测信息的可靠性和重要性，并对原有预测信息进行修正，从而更加有效的利用预测信息，是利用证券分析师群体的知识和经验解决复杂决策问题时必须要解决的重要科学问题。
　　本文将两维证据理论引入证券分析师群体多源预测信息融合模型研究中，作为解决上述问题的基本理论，探讨了基于两维证据推理规则的证据信度函数生成与不同维度证据合成问题。针对需要解决的问题，利用数据挖掘、两维语言评价信息、灰色理论、绩效学习等方法进一步优化了两维证据理论合成方法，重点解决了语言主观信息评价问题、证券分析师能力指标的测度方法以及两维证据理论的合成优化问题，构建了基于两维证据理论的证券分析师群体多源预测信息融合模型，并利用我国证券市场数据验证了融合模型的实用性和有效性。本文主要的工作如下:
　　(1)为证券分析师群体多源预测信息融合求解提供了一般性的分析框架。证券分析师群体多源信息融合问题是典型的不确定性决策问题。证据理论在解决此类问题时有明显优势，但是传统证据理论未考虑不同信息源的信息质量和可靠性差异，未能反映证券分析师由历史数据（实证据）和知识经验给出决策结论以及从不同信息源获取信度函数的相关过程与特征。本文拓展经典证据理论识别框架，系统整合证券分析师个人特征信息，形成全面反映证券分析师预测信息质量的两维证据识别框架的信度函数，构建了基于两维证据理论的证券分析师群体多源预测信息融合模型，进一步完善了经典证据理论合成规则。
　　(2)从多个维度综合反映了证券分析师预测能力，并以此作为预测信息融合的重要影响因素。现有证券分析师信息融合方法中，大多直接利用证券分析师给出的客观荐股信息，未能充分利用证券分析师个人特征信息。本文通过系统梳理现有相关理论文献，借鉴经典金融分析师能力框架，通过分析师工作经验、学历背景、工作绩效和研究报告质量构建证券分析师综合预测能力综合指数，全面反映了证券分析师未来预测能力。在帮助决策者合理选择决策信息的同时也为券商考核证券分析师综合预测能力提供了一条新的思路。
　　(3)深度剖析证券分析师研究报告主客观信息。现有研究大多只关注证券分析师研究报告最终的荐股信息和关键指标预测等定量信息，未能充分利用证券分析师研究报告中定性评价信息，而上述信息是反映研究报告质量和特征的关键信息。本文通过系统梳理相关文献和统计大量证券分析师研究报告内容，提出研究报告核心关键词出现的频率可以在一定程度上反映出证券分析师的熟悉程度和研究报告的质量。因此，证券分析师预测能力指数不仅仅包括证券分析师个人特征信息等定性指标，也包括研究报告质量等定量指标。本文将主、客观赋权法有机融合，利用灰色理论、白化权函数将定性、定量数据进行科学有效的融合，完成混合指标的一致性转化。
　　(4)提出了一种基于学习的综合优化两维证据融合内部结构参数的方法。两维证据在信息合成过程中需要将第二维证据信息拟合到传统第一维证据框架下。本文充分利用证券分析师历史预测数据，并借鉴有监督学习的方法，学习优化两维证据体系的内部参数，面向证券分析师群体多源预测信息融合问题，通过证券分析师预测准确率构建绩效矩阵来建立综合优化的目标函数，从而使所获取的综合优化参数具有动态适应性。
　　(5)基于两维证据理论的证券分析师群体多源预测信息融合模型的实验研究，系统验证了本文所提方法的实用性和有效性。在前期调研获取安徽国元证券证券市场现实数据环境下，研究基于两维证据理论的证券分析师群体多源预测信息融合方法。以证券分析师群体最终预测准确率为评判标准，通过比较传统基于统计学的信息融合方法，说明本文综合证券分析师预测能力的合理性，并验证了应用两维证据理论在证券分析师群体多源预测信息融合过程中的实用性和有效性。