股票市场是一个复杂的非线性动态系统,利用传统的时间序列预测技术预测效果不理想。目前,神经网络逐渐成为非线性动态系统预测与建模的强有力的工具。本论文通过对小波神经网络、灰色系统理论和RBF神经网络的深入研究,针对其中的不足,提出了新的解决方法,建立了新的预测模型。本文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上海股票市场。论文结构安排如下:首先,介绍了股票指数时序的研究背景和研究现状,以及股票时序预测模型建立过程中所需的基本理论概念和基本理论。其次,在验证上证收益率存在非线性特征的基础上,深入研究多变量并将多变量时间序列依赖性度量应用于股票时序的实测数据当中,提出把小波神经网络和主成分分析法推广应用到多变量时间序列的预测当中,并用上证运输指数进行数据仿真。再次,本文研究了灰色预测、RBF神经网络预测和线性组合预测方法以及它们在股票时序中的局限性,提出将灰色预测、RBF神经网络、小波神经网络进行有机结合,建立一种新的小波神经网络组合预测模型,并以中国股票市场上证指数为例进行仿真。最后,本文指出了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。