本文采用四类方法、共计十三个模型对上海证券综合指数的未来走势进行了预测。我们选取了2007年1月4日至2013年12月31日的上证综合指数的每日收盘价格作为训练样本来建立模型,选取2014年1月2日至2014年3月13日的上证综合指数的每日收盘价格作为测试样本来检验模型的预测效果。首先,我们运用指数平滑法中的二次指数平滑法和Holter-Winter非季节模型对所选取的序列进行了预测对比,通过分别对比两种模型下的RMSE和MAE值的大小,得出了Holter-Winter非季节模型预测效果更优的结论。然后,我们利用ARIMA模型对训练样本进行拟合,结合EACF方法与AIC准则对模型的阶数进行了确定,并用选出的模型对数据进行了预测。随后又在给原始训练样本进行小波去噪的前提下,运用选好的模型对去噪后的数据进行了预测。再将两者的预测结果进行了对比,发现经过模型使用小波去噪后的数据的预测效果更好。接着,考虑到金融时间序列数据的波动群集性,我们分别利用GARCH(1,1)模型,GARCH(1,1)-M模型,TARCH(1,1)模型, EGARCH(1,1)模型,PARCH(1,1)模型,Component ARCH(1,1)模型,非对称的Component ARCH(1,1)模型对训练样本进行拟合,发现Component ARCH(1,1)模型对数据拟合得最优,GARCH(1,1)-M模型的预测效果最优。最后,我们分别对比了正态分布、t分布以及GED分布假设下,GARCH(1,1)模型的预测效果,发现尽管t-GARCH(1,1)模型与GED-GARCH(1,1)模型对数据拟合更优,但是它们的预测效果却均不如N-GARCH(1,1)模型。