随着中国股票市场发展速度的加快,股票市场波动对宏观经济甚至于整个国民经济的影响必将日益增大。以往分析中国股票市场波动的文献很多,但是它们都是在单一时间尺度上进行的。但是,利用单一时间尺度分析金融市场波动得到的结果往往是片面的。所以,为了得到全面而正确的分析结果,我们应该在多个时间尺度上分析我国的股票市场波动。小波方法为我们研究股票市场波动的多尺度性质提供了一个自然的工具。概括地说,小波方法是我们所熟知的谱分析方法的补充和扩展。它是一种信号的时间—尺度(时间—频率)分析方法,在时频两域都有表征信号局部特征的能力,特别适合分析非平稳的时间序列。此外,小波变换也可以降低长记忆过程的相关性,所以小波方法也适合于分析长记忆的时间序列,并可估计长记忆参数。在分析金融市场波动时,小波方法使得研究者以不同的时间尺度为基准描述金融市场波动的长记忆性和不同金融市场的波动相关性。因此,本文首先利用小波多尺度分析方法对中国股市波动的长记忆性和时变长记忆性进行了分析。本文发现中国股市波动长记忆存在显著的多尺度现象,利用虚拟变量技术发现日内波动的长记忆性和日间波动的长记忆性存在显著的不同,并且中国股市五分钟波动的长记忆参数是时变的。这说明我们在对股价波动进行建模时,应该选择时变长记忆参数的模型如时变LMSV模型。其次,本文利用小波互相关系数和小波交叉互相关系数对深沪股市波动传导的多尺度性进行了分析,发现深沪股市同期波动传导和领先-滞后传导关系都随着时间尺度的增大而增强,所以以小尺度为基准,采用组合投资分散风险的效果更好。