由于小波分析具有良好的时频局部化特征,因此自20世纪80年代后期以来被广泛地应用于信号分析、图像处理、理论物理、计算机分类与识别、医学成像与诊断、地震勘探数据处理等很多领域。近年来利用小波分析对实际的金融数据进行分析与预测的研究也在不断深入。本文系统的总结、归纳了小波分析的基本理论；总结概括时间序列分析理论中几个比较有代表性的模型,特别对本文中用到的ARMA模型进行了深入的探讨,包括模型的定义、识别、参数估计以及诊断检验；在此基础上提出了一种基于小波分析的ARMA模型预测方法,并利用这种新的方法对中国上证A股指数以及个股中国铝业进行了实证分析,取得了良好的短期预测效果。通过对选择不同小波函数进行预处理的数据运用该方法进行比较研究,发现选用Biorthogonal小波函数进行预处理的数据预测效果均好于用Daubechies小波函数进行预处理的结果。并且本文所提出的预测方法同传统方法相比,在预测精度上均有所提高,因此,具有了一定的实际应用价值。由于实证分析中数据的选择对中国股市具有代表性,可以从一定程度上看到这种基于小波分析的ARMA模型预测方法对中国股市时间序列研究的适用性。