小波分析是一种新的信号分析处理技术,它在时域和频域上同时具有良好的局部化性质,在处理时间序列中体现出很大的优越性。本文主要研究将小波分析方法应用于时间序列的建模、预测中,主要内容包括：1.应用小波Mallat算法对非平稳时间序列进行分解处理,对常用小波基函数的特性和选择、分解层数的确定方法进行了分析讨论。2.将小波分析应用于沪铝期货价格序列预测分析问题中,建立了小波自回归滑动平均(ARMA)模型,并将该模型与单纯的ARMA模型作比较,结果表明：在沪铝期货价格序列预测分析中,小波ARMA模型相比单纯的ARMA模型,其拟合和预测精度都比较高。3.利用多项式样条估计方法建立了函数系数自回归(FAR)模型,结合小波分析将FAR模型应用于国际黄金月平均价格序列预测分析问题中,建立了基于小波分析的国际黄金月平均价格函数系数自回归模型。并将该模型与FAR模型从拟合和预测两个方面作比较,结果表明：国际黄金价格的小波FAR模型的拟合和预测精度都高于单纯的FAR模型。