本文首先阐述了研究小波和金融时间序列的目的和意义，对小波方法的基本理论和金融时间序列模型进行了综述，并对小波方法在金融时间序列领域的研究现状进行了分析。　　 其次，本文给出了小波分析在金融时间序列中的四种应用，主要体现在小波去噪、小波拟合、小波检测异常点、小波预测等方面，给出了相应的理论方法以及算法步骤，并进行了相应的数值模拟。小波去噪方面给出了阈值的处理方法以及阈值选取、尺度和小波类型的选取方法，通过数值模拟对三种不同阈值处理方法以及四种阈值选取方式去噪效果进行比较，得出给定阈值去噪效果较好，SURE和Minimaxi原理的阈值选择原则在数据的高频信息中可以将弱小的信息提取出来的结论。小波拟合方面利用SAS软件对上证指数进行了ARIMA模型拟合，也利用MATLAB对其进行小波拟合，并对两者的拟合效果进行比较，得出小波拟合比ARIMA模型拟合效果略好的结论。对小波异常点检测方面进行了数值模拟，选取了五种不同的小波分别进行了单个异常点、多个异常点以及成片异常点的检验效果，说明了小波在检验单点、多点、成片异常点是具有一定效果的;而且给出了小波的选取方式，Haar小波在单点异常点检验的效果较好，而对于多点和成片异常点的检验，选择coif和bior小波更好。在小波预测方面对上证指数分别进行了ARIMA预测和小波预测，并将预测值与真实值比较，得出了小波预测比ARIMA预测更接近真实值的结论。　　 再次，本文还将小波方法应用于时下比较热门的话题-股票、CPI、房价，分别对深证综指收盘价、CPI、住宅销售价格指数进行了实例分析，分别对其进行小波拟合、小波异常点检验以及小波短期预测，并针对异常点结合实际情况给出相应解释，根据预测情况给出相应的建议。