股指期货市场是现代资本市场的一个产物,它可以用于投资或者作为一个风险管理工具,本身具有中性的特征,它的推出会对股票市场短期内的价格波动产生一定的扰动,但是这种扰动不会改变市场的长期趋势,产生扰动的具体原因来自于两个方面:市场总体趋势和内在估值,其中内在估值是比较重要的因素。股指期货是一种金融衍生产品,它反映的是股市的走势,因此它的出现势必会对股市上显著的影响,所以了解股指期货的价格趋势在投资中能更好的规避风险,做出决策,因此对股指期货价格的预测有着很大的理论与实际意义。在本文中先介绍了股指期货的起源和发展、股指期货与股票的区别和联系以及其国内与国外的研究现状。其次介绍了数据分析建模前的准备工作——数据的预处理,为了使预测效果更好,对新兴的小波分析的原理和应用进行了介绍,并用小波降噪技术对原始时间序列数据进行了去噪处理。股指期货数据作为一种相对比较重要的金融数据,具有不稳定性和非线性,受投资者心理、国家政策等多种因素的影响,所以对这类数据的分析存在很大的难度,文中使用BP神经网络模型对股指期货的数据进行建模。本文用小波分析首先对原始数据进行去噪处理,再用BP神经网络对去噪后的数据预测,本文选取了2014年6月23日到2015年12月29日主力合约每分钟的收盘价、开盘价、最高价、最低价和成交量,共100085个样本。本文总体分为四个大的部分,第一个部分是绪论部分,第二部分是对数据的预处理方法,第三部分是数据分析所用的工具以及技术,说明了Wavelet Analysis的方法以及去噪的应用,Neural Networks的发展、定义和实际工作中的应用,第四部分为本文的实证部分,首先对总体样本数据使用了小波分析,运用sym8小波函数对原始数据进行5层分解以便达到降噪的效果,使数据相对原始数据比较平滑,这样更能保证预测的准确性,为了能很好的拟合数据,对小波分析后的数据进行了指标计算,用指标作为变量进行建模,再用随机森林对变量选择,最后用神经网络对数据进行建模,并对预测的结果计算平均绝对误差以及平均相对误差。在BP神经网络中平均绝对误差为0.0039,平均相对误差为8.6587%,而用前馈神经网络建模预测的平均绝对误差和平均相对误差分别为0.0059和12.8308%,对比发现BP神经网络的预测效果优于前馈神经网络。