Este esfuerzo de investigación empírica busca mejorar la precisión de la previsión de datos de series temporales en el sector bancario utilizando datos de la Bolsa de Valores de Amán (ASE). El estudio se basó en datos del índice de precios de cierre diario, abarcando desde octubre de 2014 hasta diciembre de 2022, con un total de 2048 observaciones. Para alcanzar resultados estadísticamente significativos, la investigación emplea diversas técnicas matemáticas, incluyendo el modelo espectral no lineal, la transformación de wavelet discreta de máxima superposición (MODWT) basada en la función Coiflet (C6) y el modelo de media móvil autorregresiva integrada (ARIMA). Notablemente, los hallazgos del estudio abarcan la explicación completa de todos los eventos pasados dentro del marco temporal especificado, junto con la introducción de un nuevo modelo de previsión que amalgama la función MODWT más efectiva (C6) con un modelo ARIMA personalizado. Además, esta investigación subraya la efectividad de MODWT en la descomposición de datos del mercado de valores, particularmente en la identificación de eventos significativos caracterizados por alta volatilidad, lo que mejora la precisión de la previsión. Estos resultados tienen valiosas implicaciones para investigadores y científicos en diversos campos, con una relevancia particular para las áreas de negocios y ciencias de la salud. La evaluación del rendimiento de la metodología de previsión se basa en varios criterios matemáticos, incluyendo el error porcentual absoluto medio (MAPE), el error absoluto escalado medio (MASE) y el error cuadrático medio (RMSE).