一直以来,学者都没有停止对于股票市场性质的研究和市场走势的预测。在这期间形成了诸多的理论和研究成果。股票指数作为一种及其重要的金融数据,具有很强的不确定性和非线性,这也使得对股指的研究和预测难度很大。在目前的研究中,采用神经网络等智能算法取得的效果比较出众,成为对股票市场进行研究的主要方法之一,并在此基础上延伸发展出不同的理论模型。通过对股票市场的研究发现,股市具有长期的趋势性和短期的不确定性两种特性,将两种特性相互分离进行研究可以得到更加准确的结果。小波分析具有非常好的时频局域化特性,被越来越多的运用到经济与金融领域,再处理时间序列数据方面取得良好的效果。同时股票市场在短期波动中所表现出的均值回复特性也在本文的研究中被考虑进来,并通过STAR模型进行研究。本文在此基础上将各种研究方法的优势相融合,将股指的特性分解进行描述和解释,再通过小波重构得到新的预测模型。研究的重点是基于小波神经网络与STAR模型的优势构建新的预测模型,并应用和实现。主要工作如下:首先对选题的背景和研究的意义进行了解释和说明。随后阐述了目前对于股指时间序列研究和预测的主要方法以及存在的问题,并论述股指的均值回复特性、表现形式和检验方法。对中国股市波动性的特点及其影响因素进行了研究,得到了我国股市具有不对称性波动的特点。为进一步提出股市预测模型打下基础。在此基础上介绍了基于小波神经网络和STAR(WNN-STAR)模型的原理,分别介绍了STAR模型和小波神经网络的基本理论和应用研究,详细阐述了预测模型的理论基础和建模依据。根据模型的基本理论建立基于小波神经网络和STAR的股指预测模型,通过使用小波分析将股指分解为低频和高频两个部分,分别用神经网络拟合低频数据的趋势性,用STAR模型结束高频数据的均值回复性,再通过小波重构将结果合并,从而得到更加精确和科学的解释和预测。最后通过选取我国上证指数的数据进行实证,并对结果进行分析和对比,得到了比较令人满意的结果,进一步证明本文模型的科学性和实用性。