作为国际贸易的派生市场,集装箱班轮运输市场受世界经济的影响十分严重,后金融危机时期的集装箱班轮运输市场运价备受关注。由于集装箱运输市场受到多种因素的影响,由中国出口集装箱运价指数(CCFI)的历史数据构成的时间序列信号中含有很多噪声。因此,本文将小波分析和ARIMA模型相结合,运用小波分析提取运价指数信号中的低频成分,并剔除高频成分,从而使得ARIMA模型能够更好地进行拟合及预测。本文开篇阐述了论文的研究背景、研究意义、国内外研究现状以及研究的主要内容和方法。其次分别从集装箱运输市场格局、集装箱运输船舶运营、集装箱运输航线布局以及集装箱运价概述等四个方面分析了集装箱运输市场的发展与现状。接下来简单地介绍了国内外运价指数及中国出口集装箱运价指数(CCFI)。然后介绍了小波理论的发展足迹与小波分析的理论基础,随后对中国出口集装箱运价指数(CCFI)的原始数据进行了去噪处理。紧接着介绍了时间序列及其相关概念以及时间序列模型,继而根据经过小波分析并去噪处理后的中国出口集装箱运价指数(CCFI)的时间序列数据,建立了ARIMA模型,对中国出口集装箱运价指数(CCFI)进行了预测,并对预测结果进行了分析。最后对全文进行了总结,针对不足之处,对今后的研究进行了展望。根据经过小波分析并处理后的中国出口集装箱运价指数(CCFI)的时间序列数据,建立ARIMA模型,有效地提升了ARIMA模型的拟合度及预测效果。本文的研究将对船公司、货主、代理等航运相关者了解集装箱班轮运输市场形势,判断市场走向,及时做出相应调整,规避市场风险提供有益的参考。