随着世界经济的迅猛发展，金融市场的研究逐渐成为投资者、经济体系管理者和学者关注的热点.传统的金融市场理论体系认为在一个有效的资本市场中价格遵循随机游走模型，而现代金融市场理论体系认为资本市场的价格遵循分形布朗运动，具有混沌和分形特征。近年来，众多学者倾向于把期货市场看作是非线性动力系统，用非线性理论研究其市场规律和特征。但是，目前对资本市场实证研究时使用的理论和方法存在不同程度的片面性。为此，本文在非线性理论的基础上，采用非线性分析法对黄金期货数据和玉米期货数据做了定性和定量研究，同时利用BP神经网络理论对期货价格进行预测并得到了较为理想的预测效果。　　 本文以上海期货交易所的黄金期货(au12)数据和大连商品交易所玉米期货(c1209)数据为研究对象，主要是针对其日收盘价格的对数收益率序列展开分析。首先对数据进行消除线性趋势处理，并通过频数分布直方图和JB检验方法分析得出两组时间序列数据与正态分布数据之间存在着差异，两种序列均具有非线性特征。本文采用C-C算法求出了相空间重构时的最佳嵌入维数和最佳延迟时间，在此基础上，绘制相图和主分量分析图，结果表明两种序列都具有混沌迹象.采用GP算法计算时间序列的关联维数和Kolmogorov熵，采用Wolf算法计算序列的最大Lyapunov指数.计算得到的关联维数分别为非整正数，两组数据的最大Lyapunov指数和Kolmogorov熵也都为正数，说明对数收益率时间序列具有混沌特征；本文采用重标极差分析(R/S)和消除波动趋势分析(DFA)方法来考察两种期货数据的分形性质。分析结果表明两种期货的对数收益率序列具有长期记忆性(持续性)和长程幂律相关性，其平均记忆周期分别为84个交易日和95个交易日。这些分析结果说明我国期货市场符合分形市场假说，遵循有偏随机游走的分形布朗运动.非线性理论的发展和在经济学领域的成功应用虽然使得以正态随机分布为前提、以线性范式为基础的有效市场假说受到挑战，但是同时也为金融市场研究分析提供了新的分析角度和方法。最后应用BP神经网络模型对黄金期货和玉米期货价格时间序列的部分数据进行了预测.预测值与期望值的波动趋势基本一致，但是当波动比较剧烈时，预测值会有一定的偏差.预测值与期望值的平均相对误差分别在0.432％和0.341％以下，这一预测结果比较令人满意。