近年来,随着我国金融市场的发展以及投资品种的日益丰富,量化投资逐渐步入人们的视野,同时也将金融计量分析推至前所未有的高度。时间序列作为金融市场中最常见的观测数据,是时市场行为的真实刻画,通过对其进行量化分析,能够挖掘市场中潜在的信息,进而为投资决策提供理论和技术支撑,是策略制定、风险管理、资产定价和产品设计等工作的前提。基于金融时间序列的多尺度、非线性和非平稳和的多重特性,本文将集成经验模态分解(EEMD)应用到金融时间序列分析中。首先,利用EEMD建立多尺度集成预测模型。先用EEMD将原始序列分解并重构成高频、趋势和低频三个子序列；再结合Elman神经网络、支持向量机(SVM)和GM(1,1)对各部分进行拟合；集成模型最后的预测值为各部分预测值之和。实证结果表明：该多尺度集成模型的预测精度要显著高于传统的单一模型和集成模型。其次,利用EEMD探究股市与汇市的波动溢出效应。利用EEMD将股价和汇率序列分解并重构成高频(短期波动项)、。低频(中期波动项)和长期趋势三个波动成分,从时域和频域的双重视角来探究股市与汇市的波动溢出效应。在不同的波动层次上,分别结合Granger因果检验和时变Copula探究波动溢出的方向和强度。研究表明：短期波动项对原始序列波动的贡献最大；不同时间尺度上的波动溢出方向和强度是不同的。最后,利用EEMD去噪建立跨期套利策略。将价差信号看作趋势和噪声的叠加,用EEMD方法对价差序列进行消噪,参考均值回复策略的原理,结合价差在趋势周围的波动状况寻找套利机会,相比于传统的小波去噪方法,避免了小波基函数参数选择的这一难题。