股票价格的涨跌是一个相当复杂的运动过程，自从股票市场建立以来一直是一个研究热点。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。 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，根据实际情况逐步强化约束，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黑箱系统；同时，在这一过程中我们也认识到股票预测的短期有效性内在原因。 其次，本文深入研究了神经网络和小波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网络的理论与方法，汲取其优点，提出了适合股票指数序列预测的小波网络。进而研究了利用小波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C++语言编程实现了该小波网络，并利用深圳证券交易所1998年—2000年的股票指数数据验证了这一结论。我们用前600个数据作为训练样本集来训练网络，并用训练后的网络预测了2000年开始的20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。