股市是一个“高风险,高收益”的市场。如何对股市进行分析是股市存在以来众多学者力图解决的一大难题。传统的股市分析方法有移动平均线法、灰色系统法、神经网络预测法等等,它们在股市分析应用中起到了非常重要的作用。但随着股市数据量日益庞大,噪声更加繁多,变化越为频繁,这些传统分析方法对股市这样的非平稳数据进行处理有些“力不从心”。尤其是我国股市,作为一个典型的庞大但不成熟的市场,剧烈频繁的波动几乎是它的常态。傅里叶分析和统计相结合是股市研究的重要方法之一,但因为傅里叶不具备“空间局部性”,因此也束缚了它在股市中的应用。在傅里叶基础上,“小波变换”被提出。基于小波良好的“自适应性”和“变焦性”等特性,小波变换非常适合对股市这样的“非平稳数据”进行分析。本文从四个方面对小波变换在股市中的应用进行研究,并以2005年之后上海证券交易所上证综指和深圳证券交易所深证成指的每日收盘价为对象,进行实证研究,主要包括：(1)首先我们对上证综指数据进行预处理,然后利用MATLAB软件的小波工具箱,对其进行小波分解。众所周知,股市的波动一定原因是由噪声(即突变因素)造成的,因此对每层的高频分解图进行观察分析,可得出股市的奇异点,并结合李氏指数,对奇异点的突变程度进行分析。(2)小波变换利用其分形的特性,可以将股市中的噪声信号进行剔除,从而使得股市的大趋势更加突出。通过对深证成指的每日收盘价进行小波分解和重构,得出去噪后的股市图。通过周期性分析,我们力图找出股市变动的规律性。(3)由上知,移动平均法是主要的线性分析方法之一。但由于它具有时滞的缺陷,使得其得出的股市分析结果有些误差。基于此,我们通过研究发现,用小波变换后的低频数据,取代短期移动平均线,可有效地解决“时滞”的问题,因此本文以2005年之后招商银行的每日收盘价为研究对象,采用改进的移动平均法,进行了实证研究。(4)上证综指和深证成指作为我国股市的两大重要指标,对它们之间的关联性进行研究,是近几年股市分析的主要方向之一。方差和相关系数是相关性研究的两个主要指标。本文结合小波变换,分别计算上证和深证数据的小波方差,及两者之间的相关系数,并对这两个指标进行分析,从而得出两市之间的关联性。