《系統工程理論與實踐》于2015年6月，發表了我院劉向麗教授與碩士研究生合作的的學術論文：基于小波分析的股指期貨高頻預測研究。
基于低頻金融數據的預測，在時間上具有長期性，依賴于整體經濟環境，不能形成短期内的準确預測。但是由于高頻金融時間序列具有非線性、非平穩性以及其特有的日曆效應等特性，傳統的ARMA模型也無法得到滿意的預測結果。前人研究主要是針對股票市場，而尚未利用小波分析方法對我國股指期貨市場做出研究。我國的股指期貨市場作為一個新興的市場，是一個相當複雜的系統，其收益率的變化受到經濟、政治、投資者心理、國際因素等多方面的影響，其市場結構與證券市場也多有不同，因此，有必要對股指期貨市場加以研究。
本文提出基于小波多分辨率分析的預測方法，将收益率數據分為高頻部分（周期性）與低頻部分（趨勢性），對拆分後的序列進行重構，并對重構後得到的數據分别建立ARMA模型。用數據的前2295項進行建模，對最後一日下午的27個數據進行預測，将得到的預測值與真實數據進行比較，對模型的預測效果進行評價，實證研究表明，小波多分辨率分析能很好地濾出日内效應，由于股指期貨獨特的市場特征，應将分解層數定為3，分解重構模型很大地提高了預測精度。
相比傳統的預測方法，本方法預測精度得到很大的提高。這可能是因為當數據比較平穩時，ARMA預測效果很好，但當日内波動較大時，就不能很好的拟合，但經過小波分解後的序列更滿足平穩性要求，因此對高頻數據，先對序列分解，分别建模，最後再合成才是比較合适的方法。
在數據的分析和建模的過程中，我們也更清晰地認識了股指期貨市場的微觀金融結構，随着我國金融市場的發展，相信盡管分解層數可能會不同，該方法也适用于其他衍生金融産品。
