当前,人们对股票市场的认识是建立在现代资本市场理论之上的,有效市场假说是现代资本市场理论的基础,有效市场以随机游走的前提,随机游走蕴涵着正态分布。然而,经过国内外学者的检验,资本市场并不服从正态分布,毫无疑问,这是对现代资本市场理论的巨大冲击。本文以我国股票市场数据为研究对象,运用非线性时间序列分析方法对其进行较为全面的实证研究,考察我国股票市场是否存在混沌现象。本文以上海股市综合指数和深圳股市成分指数为研究对象,数据区间为1996年12月16日到2006年12月30日,对时间序列进行对数线性去趋势平稳化处理,使最终用于非线性分析的时间序列数据为平稳序列。首先对指数时间序列进行定性分析,通过频数分布图,发现股市数据和正态分布之间存在较大差异;通过功率谱分析、主分量分析表明上证综指和深成指数时间序列均有非线性性质。在定性分析的基础上,对两个时间序列的非线性几何不变量进行计算。使用平均互信息法求得延迟时间和Cao法求得最佳嵌入维数,在此基础上使用GP算法计算关联维数和Kolmogorov熵,使用Wolf法计算最大Lyapunov指数。计算得到的上证综指和深成指数的关联维数分别为2.4151和2.5171;Kolmogorov熵分别为0.011和0.0075,最大Lyapunov指数分别为0.0096和0.0059。与常见运动形态的特征量比较分析可知,上证综指和深成指数时间序列有混沌现象。在上述分析的基础上,对股票市场的发展趋势进行研究,使用混沌预测的方法——Volterra级数自适应预测模型对指数时间序列进行短期预测,并与局域预测法和线性预测法的预测结果相比较,表明Volterra级数自适应预测预测结果较好,预测精度较高。