日常生活离不开金融领域,人们的生产生活等活动处处要和金融打交道,对金融市场的研究和分析具有非常重要的理论和实际意义。随着信息技术的发展,金融领域积累了海量的数据,格式多种多样,如何对其进行有效的自动分析和处理,使用户不再淹没在“数据的海洋”中,为用户提供可用的信息和知识具有非常重要的价值。为此,本文用人工智能、数据挖掘、社会网络分析等智能技术来研究金融市场中的复杂关系,从宏观层面上分析研究了不同金融市场间的溢出效应,从微观层面上分析,研究了智能技术在反洗钱应用中的一些问题,能够辅助商业银行进行反洗钱的检测和预测。具体来讲,本文主要贡献如下;（1）.采用小波多分辨分析的方法研究股市之间的溢出效应。本文取1997年7月2日至2003年3月1日间的S&P标准普尔500指数、上证指数和香港恒生指数作为样本数据,将股市日收益率的时间序列信号分解在不同频带上,比较各频率成份占原始信号的能量比,研究了美国与上海,美国与香港股市日收益率之间的溢出效应。发现股市日收益率信号中高频成份所占的能量比远大于低频成份,日收益率的波动主要由短期因素引起。高频成份的相关性分析表明,美国股市对香港股市存在强溢出效应,对上海股市则不存在溢出效应,上海股市几乎独立于全球股市之外。并分析了这种现象出现的原因。（2）.运用小波多分辨分析方法研究期货市场之间的溢出效应。以伦敦金属交易所（LME）和与上海期货交易所（SHFE）三个月期铜价格日收益率数据为基础,研究了两个市场的相互影响关系。发现此两市场的3个月期铜日收益率信号的高频成份（d₁+d₂）所占的能量比近75%,通过技术分析来预测期铜价格走势几乎是不可能的;发现在32天的时间尺度上两市场间存在强溢出效应。随着上海期货交易所的交易量逐年增加,上海期货市场价格走势与伦敦金属交易所的相关性逐渐提高,上海划货交易所开始接轨国际市场。（3）.提出了基于智能技术的反洗钱系统框架。在综述洗钱和反洗钱国内外现状、反洗钱软件的开发和应用情况等的基础上,本文提出了一个分为KYC客户尽责调查、客户行为特征提取、可疑交易检测和预警跟踪处理四个阶段的基于智能技术的反洗钱系统框架,并对四个阶段中可以采用的技术方法进行详细阐述。此反洗钱系统技术架构具有简单、直观和易于实现的特点。（4）.利用决策树和神经网络分类法对用户进行风险评估分类。采用基于洗钱风险识别的交易检测系统首先要实现客户分类,根据客户的类别评价其洗钱风险的等级,以便下一步对高洗钱风险客户的交易行为进行监测。本文使用ID3决策树和BP神经网络分类算法评估银行客户从事洗钱交易行为的风险等级,建立银行客户洗钱风险评估的决策树模型,取得较好的效果。（5）.基于统计和社会网络分析对洗钱过程进行了初探。以网上银行用户交易信息为基础,监测利用网上银行业务进行可疑洗钱交易行为的重点客户。发现很多网络节点间关系都是通过一些小商店或小公司向个人进行资金的转移,从而实现可疑洗钱交易行为的监测。