随着我国股票市场的迅速发展，预测和分析在国内投资界也获得广泛使用。近年来由于混沌、分形理论的研究成果不断涌现，用非线性确定系统规律研究股价行为越来越显示出强大的生命力。 同时随着混沌理论和应用技术研究的不断深入，经济混沌时间序列的建模和预测已成为近几年来的一个重要研究热点。混沌的信号并不是真正的随机信号，而是由低维非线性动力系统产生的确定的伪随机信号。由于混沌现象具有对初始条件的敏感依赖性，只要初始条件稍有差别或微小扰动，则会使系统的最终状态出现巨大的差异，因此，股市混沌系统的长期演化行为是不可预测的。 本文采用了和传统有效市场假说相左的分形市场理论，吸收了信息论中的熵理论，突破了传统研究方法中把成交量和成交价格作为单独分量的处理模式，重新构造了传统的基于日历的股价函数序列，形成了更加符合信息流推进过程的连续的股价函数，并使用了GARCH模型对该转换函数进行实证检验。检验结果表明相对于传统的时间序列的股价而言，基于成交量的股价序列更准确，更简单的描述证券市场的行为特征。在此基础上，对上海市场和深圳市场的有代表性的几支股票和指数进行Hurst指数的研究，考察了上海和深圳证券市场的短周期行为和长程相关性，并对该R／S分析的结果做出了一定的解释。在此结论基础上，本文应用小波神经网络对于个股进行短期的预测分析，取得了比较好的效果。 最后，本文对其他可能的分析预测方法改进研究作了进一步展望。