股票市场是投资者、管理者和经济管理学者共同关注的热点，自19世纪股票市场建立以来，对股票价格预测模型的研究一直是众多学者关注的焦点。随着股票投资在中国的发展，其影响越来越大，深入了解其运动规律已经成为经济发展的迫切要求。近年来，众多学者把股票市场看作是一个非线性的确定性动力学系统，用非线性确定系统规律研究股价的行为越来越显示出强大生命力。随着非线性理论和技术的发展，小波分析和神经网络等成为金融市场强有力的分析和预测工具。 本文对小波神经网络预测模型进行了深入分析和研究，构建了适应于股价分析的时间序列短期预测模型。本文研究的重点是小波神经网络预测方法的应用和实现。主要工作如下： 首先，根据国内外实际情况，本文从总体上分析了股票价格预测的必要性和可行性，在此基础上利用系统建模的有关理论和方法，根据实际情况，将抽象的纷繁复杂的金融系统转化为相对清晰的可以在数学上模拟和逼近的系统；同时，在这一过程中我们也认识到股票预测的短期有效性的内在原因。 其次，本文深入地研究应用了神经网络和小波分析理论的基本理论和方法，特别是研究了两者各自的优点与缺点，参考并借鉴了现有的各种小波神经网络的理论与方法，吸取其优点，提出了适合股票指数序列预测的小波网络。进而研究并利用小波神经网络进行股票指数序列预测的基本理论和方法。 为了验证理论和方法的正确性，最后我们利用MATLAB软件实现了该小波网络，并利用上海证券交易所的上证指数和雅戈尔股票2005年—2006年的指数数据验证了这一结论。我们用前170个数据作为训练样本集来训练网络，并用训练后的小波神经网络预测了2006年开始的30个数据，取得令人满意的预测结果，其预测精度优于人工神经网络。