1982年,在美国推出了全球第一支股指期货——价格线综合指数期货合约之后,发达资本市场相继推出了不同标的的股指期货合约,因此,国外学者很早就着手于对股指期货市场价格发现功能进行研究。结果表明,指数价格内部之间具有较强的自相关性,并且期货市场价格领先于现货市场,股指期货收益率的变动领先于相应标的现货指数收益率。我国市场推出股指期货的时间晚于美国30多年,我国处于股指期货发展的初期阶段,国内学者对于股指期货价格发现功能的研究比较侧重于国外发达金融市场推出的股指期货以及在我国市场挂牌交易时间较长的沪深300股指期货,研究结果均指出股指期货具有一定的价格发现功能。但目前已有研究文献很少涉及对上证50股指期货和中证500股指期货这两个新型品种的研究。因此,本文选取中证50股指期货以及其相应现货标的资产的相关数据进行实证研究。目前,股指期货的预测方法有很多,绝大多数投资者采用的依据股票指数趋势、图形形状、人气指标进行技术分析,由于分析方法众多,缺乏科学系统的理论支持,且各指标的独立性较强,因此预测准确性不高。人工智能是一门集大成的科学,涵盖了计算机、心理学、图像处理等知识,在近年来取得了突破性进展和广泛的应用,神经网络是人工智能的一个分支,小波神经网络是基于传统网络之上,引入小波变换对其进行改造,既有神经网络的非线性逼近、自组织学习性、结构简单等特点,同时兼具小波分析的黑箱辨识能力,能极大增强预测的效果。本文研究小波和神经网络以不同形式结合的模型的预测效果,并将改进后的模型进行组合预测,以提高预测精度。本文的的神经网络模型选择BP神经网路,小波分析通过分离式与嵌入式的方式和BP神经网络结合构成预测模型,并用上证50股票指数进行实证分析比较。在分离式小波神经网络模型中,首先利用小波进行去噪处理,再利用神经网络对去噪信号进行训练学习。此模型中改进模型的方式是,在利用小波进行去噪时,将Morlet小波改进为B-样条小波,将Daubechies小波改进为多小波,进而提高去噪效果,从而提高预测精度。B-样条小波对比Morlet小波,是连续且对称的,有许多良好的性质,在实际生活中有广泛的应用;多小波对比Daubechies小波可以通过多个小波在不同维度上进行变换,将很多信息可以挖掘出来,它与神经网络相结合的使得训练更充分,精确度更高,相对而言网络结构更稳定。在嵌入式小波神经网络模型中,本文将传统的单隐层神经网络模型改进为双隐层神经网络模型,并和多小波函数进行结合,构造了单隐层和双隐层多小波网络模型,这种模型结构改变了小波神经网络的学习模式,双隐层多小波神经网络具有两个隐含层,相对单隐层而言,它的学习性能更强,使其预测精度更高,还可以保留前几种小波神经网络模型的全部优点,进行提升预测精度。同时本文还引入诱导有序加权平均IOWA算子,利用此算子的特性来进行组合预测模型的构建。实际上,就同一个单项预测方法而言,它在不同时刻的表现可能不相同,即在某个时点上预测精度较高,而在另一时点上预测精度较低。因此现有的组合预测方法存在与现实不符的缺陷。所以本文引入诱导有序加权平均IOWA算子,通过每个单项预测方法在样本区间上各个时点的拟合精度的高低顺序赋权,以误差平方和为准则建立了新的组合预测模型,给出IOWA算子组合预测模型权系数的确定方法。本文将以上小波神经网络预测模型通过上证50指数进行实证分析,其中上证50股指选取了256个交易日的数据,利用上证50指数的开盘价、收盘价、最低价、成交量、成交金额五个指标作为输入来进行分析,收盘价作为输出来进行预测。并将改进后的多种小波神经网络预测模型利用基于IOWA算子组合预测模型进行组合预测,进一步提高预测精度,该模型的提出对股市预测研究起到了很重要的应用研究价值。