在最近几年里中国经济表现的相当强势,同时中国股市相当活跃。最近的调查发现中国股市的波动幅度较其他国家的股市大,这对于投资者来说有好有坏,但预测股市显得更加困难。在国外对股市的预测拥有各种各样的预测模型,这些模型对中国股市的适用程度到底有多大呢?本文将引入国外的一些技术对中国股市预测性以及预测方法进行研究,进而总结出一套预测中国股市的方法。从股市诞生的那天起,人们就试图通过各种各样的办法对股价,股票收益率等进行预测。从最初的基本面预测到基于历史数据的技术面预测都曾经在投资界占据过主导地位,但是在预测之前需要考虑的问题是股市到底是否可以预测。有效市场理论的提出,表明股市是一个完全随机的市场,于是任何预测在这个理论下显得无效。现代经济学受混沌的影响越来越大,在通过混沌理论研究股市的过程中发现股市整体是一个混沌系统。股市的整体混沌性导至了其长期不可预测的结论,但是混沌性的另外一层含义就是局部的稳定性,因此考虑短期股市成为了主要研究对象。本文首先考虑了噪声对股市时间序列的影响,因此对股市时间序列进行了去噪处理。在考察过各种方法之后选取了小波去噪的方法,并通过图像加噪声还原的数据实验证实了这种方法的可行性。对数据去噪后运用混沌经济学中判断序列混沌性的方法判断股市序列的混沌特征,在具体运用混沌理论时采用了计算最大Lyapunov指数的方式得出单调序列的非混沌性特征,从而得出单调序列是可以预测的结论。确定了可预测后就对单调序列进行了预测,分别采用的手段是基于神经网络的BP方法、以及BRF方法、分形分维模型,通过这三种方法的预测研究得出了各自的适用范围:其中BP方法适用于预测首日的股价指数或者可以延伸到目标股票的股价;BRF方法最适合研究短期的股市走势;而分形分维的方法对单调性非常强的序列拥有最好的模拟预测。本文运用的唯一计算工具是MATLAB,MATLAB在进行混沌序列研究的过程中一直起着很重要的作用,关键是它的计算程序编写简洁,在图像处理上有独到之处,而且其库函数非常丰富,在运用时很方便。根据我们的需要采用不同的预测方案将是很重要的。