《系统工程理论与实践》于2015年6月，发表了我院刘向丽教授与硕士研究生合作的的学术论文：基于小波分析的股指期货高频预测研究🏙。

基于低频金融数据的预测🦛，在时间上具有长期性，依赖于整体经济环境🪜，不能形成短期内的准确预测。但是由于高频金融时间序列具有非线性、非平稳性以及其特有的日历效应等特性，传统的ARMA模型也无法得到满意的预测结果。前人研究主要是针对股票市场🫅🏼，而尚未利用小波分析方法对我国股指期货市场做出研究。我国的股指期货市场作为一个新兴的市场，是一个相当复杂的系统，其收益率的变化受到经济、政治🫨、投资者心理、国际因素等多方面的影响，其市场结构与证券市场也多有不同，因此，有必要对股指期货市场加以研究。

本文提出基于小波多分辨率分析的预测方法👨‍🎓，将收益率数据分为高频部分（周期性）与低频部分（趋势性），对拆分后的序列进行重构➗，并对重构后得到的数据分别建立ARMA模型🚑。用数据的前2295项进行建模，对最后一日下午的27个数据进行预测，将得到的预测值与真实数据进行比较，对模型的预测效果进行评价，实证研究表明👨‍👩‍👧‍👦，小波多分辨率分析能很好地滤出日内效应，由于股指期货独特的市场特征，应将分解层数定为3，分解重构模型很大地提高了预测精度🤵🏽。

相比传统的预测方法🫂，本方法预测精度得到很大的提高。这可能是因为当数据比较平稳时⛓，ARMA预测效果很好🦸🏽，但当日内波动较大时🪣，就不能很好的拟合🧿，但经过小波分解后的序列更满足平稳性要求，因此对高频数据，先对序列分解，分别建模，最后再合成才是比较合适的方法。

在数据的分析和建模的过程中，我们也更清晰地认识了股指期货市场的微观金融结构，随着我国金融市场的发展，相信尽管分解层数可能会不同🕰，该方法也适用于其他衍生金融产品。