传统的时间序列模型对一些非平稳时间序列的处理可能会产生比较严重的失真。而Huang.N.E[1](1998年)提出的Hilbert-Huang变换方法,在处理非平稳数据时有独特的优势,其具有自适应性,且不受Heisenberg测不准原理的约束,因此非常适合处理非线性、非平稳的金融时间序列。Hilbert-Huang变换方法由经验模态分解(Empirical Mode Decomposition)和希尔伯特谱分析(Hilbert spectrum analysis)两部分组成。本文基于HHT变换,对沪深300股指期货2010年4月至2013年12月数据序列进行处理,包含EMD分解以及Hilbert谱、边际谱的计算,以此观察分析沪深300股指期货的周期性特征。与此同时,本文基于经验模态分解原理,利用自相关函数和小波软阈值去噪方法,对沪深300股指期货数据序列进行去噪处理,有效地滤除了数据中的随机噪声。本文对经过去噪处理的沪深300股指期货序列建立量化投资模型——布林通道交易模型。观察认为,利用经验模态分解去噪原理,对沪深300股指期货数据进行布林通道技术分析,能够缓解滞后现象,并且减少行情中干扰信号对交易模型的错误触发次数。此外,本文采用布林通道“滚动式”计算方法,实时更新基于去噪信号的布林指标,因此能够避免“未来信息”对程序化交易模型历史回测结果产生的影响。本文采用沪深300股指期货15分钟数据序列,对其原始数据和经过去噪处理的数据分别进行基于布林通道交易模型的历史回测,统计净利润、最大回撤、夏普比值等指标,并对测试结果进行对比分析。