因经济系统本身的非线性和不确定性,使得一般的线性模型预测结果误差很大.而神经网络作为一种优良的非线性函数逼近工具,因其内在的非线性品质、自组织、自学习、强鲁棒性、分布式存储和并行计算的能力,在经济预测方面显示出很大优势.BP神经网络是一种最广泛应用的神经网络模型,实践证明,它具有强大的空间映射能力.但是BP神经网络在做预测的时候,结果并不是很理想.BP算法收敛速度比较慢,且网络在初始参数选取不当时,很容易陷入局部极小,影响模型的可靠性和准确性.而具有良好的时频局部性和变焦特性,且有很强的非线性函数逼近能力使得小波分析方法成为强有力的非线性系统黑箱辨识工具.1992年由法国著名的信息科学研究机构IRLSA的Zhang Qinghu和Albert Benveniste提出的小波神经网络,是基于小波变换构成的神经网络模型,即用非线性小波基取代通常的神经元非线性激励函数(如Sigmoid函数),它把小波变换与神经网络有机地结合起来并充分继承了两者的优点.随着非线性理论和人工智能技术的发展,小波网络将成为金融市场有力的分析和预测工具.本文尝试从小波网络的结构和算法两方面出发,提出了四种小波网络.其中两种是基于同种算法下不同结构的小波网络,即Morlet_WNN模型和Mor-let_Gaussin_WNN模型；另外两种是基于不同算法下同种结构的小波网络,即基于遗传算法的小波网络和基于粒子群优化算法的小波网络.分别利用得到的小波网络进行时间序列预测,并对预测结果做出比较分析.文章最后利用基于量子粒子群优化算法的小波网络进行股票价格预测.量子粒子群优化算法是孙俊等人从量子力学的角度出发,提出的一种改进PSO算法.他们认为粒子具有量子行为,在量子空间中粒子没有确定的移动轨迹,使得粒子可以在整个可行解空间中进行搜索寻找全局最优解.试验结果表明基于量子粒子群优化算法的小波网络预测的效果比较理想.