【摘要】文章引入一种小波变换与机器学习的组合预测方法，通过小波变换提取单变量时间序列的主要特征，并应用不同的机器学习模型进行预测分析。构建不同类型的机器学习模型对上证指数、恒生指数、纳斯达克指数和日经225指数进行预测，结果表明：在不增加任何被解释变量的情况下，经过小波变换的数据特征能较好地预测指数收益率；通过比较线性模型、机器学习模型和深度学习模型发现，线性模型在捕获小波变换特征方面表现最好；有效的数据降维方法是提高非线性模型样本外预测精度的重要手段，并且可以减少模型训练的时间；小波变换和贝叶斯混合模型的预测精度高于传统的ARMA模型。