股票市场是整个社会经济的重要组成部分,在金融市场中起着重要作用。对股票价格的预测分析,一方面可以帮助管理者有效地管控风险,另一方面也可以帮助投资者在降低自身投资风险的同时获取更多收益。股票市场是一种复杂多变的非线性系统,受到政治经济环境、市场心理以及企业发展状况等多种因素的影响,因此运用单一模型难以达到预测目标。针对这一问题,本文将采用基于小波分析的改进灰色模型与ARMA-GARCH模型的组合预测方法,其利用小波多分辨率的特性,发挥了不同模型各自的优势特点,得到了更好的预测结果。主要工作和成果如下:1.介绍了灰色预测模型和ARMA-GARCH模型。对模型的原理和建模流程作了详细的介绍,并对两种单一模型进行简要分析。2.针对上述模型,在小波分析的基础上,将改进后的新陈代谢GM(1,1)模型和ARMA-GARCH模型结合起来。利用小波多分辨率的特性,将股票价格信号分解成一层低频信号和多层高频信号,再进行重构,对重构后的趋势部分建立改进后的GM(1,1)模型,各层细节部分分别建立ARMA-GARCH模型,根据每层预测值得到最终结果。3.分别选取预测序列波动大的和波动小的两组数据,运用上述几种模型进行实证分析,并采用RSME、MAE、MAPE三种模型评价标准进行预测效果比较,得出基于小波分析的灰色模型和ARMA-GARCH模型相比其他模型无论是预测波动大还是波动小的时间序列都具有更好的预测精度,在股票价格预测中有效可行。