本文将经验模态分解方法引入金融波动研究领域,结合符号时间序列分析方法,基于不同的时间尺度特征对上海证券交易所和深圳证券交易所的金融波动情况做差异性分析,然后将EMD分解方法和BP神经网络结合对沪深二市的“已实现”波动趋势进行预测分析。本文首先从背景,意义以及成果三个方面描述了金融波动,然后提出本文的两大研究方法,即符号时间序列和经验模态分解,总结二者的研究成果。然后在符号时间序列分析的大背景下,结合经验模态分解方法,将深证综指和上证综指的“已实现”波动序列进行经验模态分解和重构,提取出两个市场的短期波动项,长期波动项和趋势波动项,为金融市场中不同类型的投资者提供投资依据。同时在不同的时间尺度上基于符号序列差异统计方法对深证综指和上证综指做了差异分析,从而给投资者和监管者提供更多的了解金融市场的方法。同时引入BP神经网络,结合EMD分解方法,挖掘历史符号波动序列的规律性,预测未来波动的趋势和风险等级,为金融市场的预测和研究提供新的视角和方法。经过实证分析,发现了存在于金融市场之中的多尺度现象,并且在不同的时间尺度上分析沪深二市具有不同的差异性。将经验模态分解方法和BP神经网络结合预测金融波动,并和单纯使用BP神经网络的预测方法做对比实验,证明了经验模态分解在处理时间序列非线性和非平稳性方面具有一定的优势。