近年来,关于股票价格指数的分析与预测吸引着众多研究者,随着股票市场的迅速发展,市场运行复杂程度地不断提高,都要求股票市场的预测模型能够不断完善。现有的相关研究结果提供了很多新的模型,在一定程度上可以满足市场参与者规避、控制风险的需求。国内的股票市场起步较晚,无论是在理论研究方面还是市场运作应用方面均滞后于较发达国家和地区;且在股票市场的比较研究方面,国内的研究相对薄弱,因此对能给股票市场管理决策、政策制定提供有价值参考的相关研究成果的需求愈加迫切!本文以对上证综合指数、深成指数、香港恒生指数、台湾加权指数四个股票市场七日均值指数序列为研究对象,结合传统的时间序列ARIMA模型,通过多分辨小波变换对股指时间序列进行J次快速小波分解;然后对各层细节系数进行软阈值处理并实行快速小波重构;再对消噪后的股指时间序列进行ARIMA建模与预报研究。探析序列在小波消噪前后预测结果的变化,从大盘指数序列的特征分析入手,以期为大盘指数的预测提供更为有效的切入点,从而为广大市场参与者提供更为可靠的投资依据;同时通过实证分析,对四个市场的成熟程度进行比对研究,将小波消噪理论加入到传统的股指时间序列的估计、预测建模研究中,为我国股票市场结构分析、市场发展预期、市场成熟度量等方面提供新的研究思路和视角。结果表明,针对香港恒生指数、台湾加权指数此类发达市场,去噪后可以获得更准确的预测结果。而对于欠发达市场指数如上证综合指数、深成指数,去噪后预测效果并没有变得更好。这是符合这些市场现状的,较发达市场有更好的可预测性,因为他们有更好的市场制度及市场秩序,以及更有经验的投资者,对于欠发达市场而言,许多投资者缺乏经验,他们的行为受许多因素的影响表现的更为显著。同时,相比较于欠发达市场,发达市场数据中高频信号可以更容易的从噪声中区分开来,这部分有价值的高频信号的保存及生成对于后续预测建模过程有着积极的作用。本文研究有助于投资者判断股票市场的情况,并做出相应的举措。