本文主要研究了混沌时间序列的预测方法,从三个不同的方面提高了预测效果,然后将这些方法应用于理论上的混沌模型和上海股票市场。论文的安排如下:首先,概述了复杂性和混沌等非线性分析的发展和特点及其在股票市场中的应用,指出目前在混沌时间序列预测研究中存在的一些问题和今后一段时间内的研究方向。其次,探讨了混沌时间序列的预测原理以及目前常用的几种预测方法,比如局部常数预测法,局部线性预测法,神经网络预测法。并进一步讨论了预测和噪声的关系。第三,在上面单变量混沌时序预测的基础上,研究了多变量混沌时序的预测方法。在数据长度和其他条件都相同的情况下,无论是用局域预测法,还是用全域预测法,数值模拟实验都证明了多变量时间序列能够比单变量时间序列具有更好的预测效果。第四,主要针对股票市场,考虑两种不同的消除趋势方法,并分析不同的消除趋势方法对预测的影响。最后,结合嵌入理论和预测误差,提出了基于嵌入技术和确定集上预测误差的混沌时序预测方法。该方法充分利用了两者的优点,弥补了各自的不足,能更有效地预测。