期货市场是一个多变的投机型市场,影响期货价格的因素很多很复杂,如气候、国家政策、商品供求状况、经济波动周期、金融货币等,都为期货市场时间序列的准确预测增加了困难.对于时间序列预测问题,国内外学者已经提出了许多出色的解决方法,包括一些传统模型和现代变换建模技术.然而,这些方法仍然存在一些不足,比如计算量过大,模型或者过于粗糙或者过于僵化,不能反映一些市场现象,对相似性缺乏合理和直观的解释等等.该文从证券市场预测的实际情况出发,针对当前时间序列预测方法存在的问题,选择了基于范例推理技术,探讨范例推理方法在时间序列预测领域的关键问题,提出了围绕着"由粗到精","偏序"和"变形代价"相似观点的一整套解决方案.在宏观方面,给出了一个多层次范例推理时间序列分析框架,以及基于XML的范例组织方案;从微观方面,给出了一个复杂范例结构相似性的代数度量,一个基于n阶原子模式的模板匹配算法等.