随着我国加入世界贸易组织，我国与其他成员国按要求要相互开放一定的贸易、金融、投资领域，这使得国内企业经营的环境越来越成为世界或地区经济密不可分的一部分。国内企业的经营环境将变得比以前更为复杂。这种因经济开放造成的企业经营或企业经营经济环境的复杂性已经在世界某些地区引起了一系列难以预料的金融、经济危机，使其中的经营企业遭受到严重的打击。面对新的经营环境，国内企业需要提高对复杂情况的分析、预测能力，以便充分利用入世带来的机会，回避由此产生的风险。企业经营中存在一类时序性经济数据，它们反映了企业经营的某些数量指标长期演化或与企业相关的宏观经济的发展趋势。前者如年利润率、月销售增长等；后者如股票指数、汇率、利率等。因此这类数据指标的研究对企业认识自身的经营状况，从事投资、新产品开发，对外贸易以及预测宏观经济的发展具有重要意义。提高对这类指标的分析和预测水平也能够使企业洞察经营环境的微妙变化，防范影响企业经营的危机发生。本文以深圳股票市场成分指数为样本数据，研究这一类企业或与企业相关的时序性经济数据的处理、分析和预测方法。研究的依据是一般时序性数据分析理论和非线性复杂理论。本文得到了如下有意义的结果：依据对深圳股票市场的股票成分指数的变化分析，对深圳股票市场的发展进行了简要回顾，建立了ARIMA模型并进行了预测。建模表明利用TSP统计软件结合从 “一般到特殊”的建模方法，所建的模型对已有数据的拟合较好，向前一步单点预测准确性较高，但利用C语言程序进行进一步分析表明时间序列分析模型对深圳成分指数的长期预测效果明显降低。时间序列的频谱分析能够提供有关数据周期性的信息.分析表明:深圳成分指数长周期成分比段周期成分作用大。非线性复杂系统理论的研究结果：赫斯特指数的计算表明深圳成分指数存在分形特征，其平均轨道周期大约为200个交易日，说明当期股票指数最远与滞后200个交易日的股票成分指数相关； 利用数据计算相关维数为1.7~2.2之间,说明相应股票市场至少可以用3个变量说明；最大李雅谱诺夫指数为正，证明了混沌的存在。建立的非线性模型对数据的拟合和超样本预测准确性高,但因混沌的存在长期预测是不可能的。对比分析表明非线性模型对于深圳成分指数的超样本预测效果优于计量时间序列模型，表明具有混沌特性的序列应该建立非线性模型进行预测。企业中的时序性经济数据按“随机”或“混沌”区分，可以分成两类。辨别数据的归属的类型有助于提高对相关数量指标的分析和预测的准确性，有助于加强定量分析在企业管理和经营决策中所发挥的作用。