本文主要研究小波神经网络在金融时间序列分析中的应用。论文首先对有效市场理论进行修正，引入了更加接近金融市场真实特性的分形市场理论。然后在分形市场理论框架下对以下问题进行研究：金融时间序列去噪的小波变换方法；基于小波神经网络的非线性协整建模；分形市场中基于非线性协整模型的资产定价。论文的主要工作如下：第一，分析传统滤波方法对金融时间序列数据去噪的缺陷，阐述了小波去噪的基本原理。探讨了有关小波非线性阈值法去噪过程中，小波函数的选取、阈值和分解层次的确定等问题。并给出了上证指数进行去噪的实验结果。第二，首先构造小波神经网络模型，给出学习算法。然后将小波神经网络引入非线性协整建模研究之中，利用小波神经网络给出了非线性协整建模方法。最后对中国沪深股市进行了实证研究，说明对于非线性协整函数的估计，小波神经网络优于BP神经网络，并证实沪深股市之间存在非线性协整关系。第三，论文运用非线性协整理论来研究分形市场中的资本资产定价问题，首先引入了传统的资本资产定价理论，并利用小波神经网络给出了分形市场中的资本资产定价模型。通过对上海股市数据的实证研究，说明所提出的模型优于传统的资本资产定价模型。