This thesis aims to investigate the use of the discrete wavelet transform of a stock index as a means to forecast intraday returns. This will be done by having the discrete wavelet transform as an input in a Transformers neural network with binary labels signifying a positive or negative next-day return. The input will be limited to a time horizon of 30 days since the entire history is likely not necessary, meaning we do not care about the discrete wavelet transform 5 years ago when we are trying to predict the next day's return. The network will be evaluated in terms of accuracy and a "trading strategy" on the OMXS30 index, where we compare the performance of the network with that of the original index. Overall, the performance of the discrete wavelet transform and the Transformers network was okay. The performance was slightly better than simply going long on the index, but not by much, and when factoring in transaction costs it is probably not a worthwhile strategy to use this setup. / Detta examensarbete syftar till att undersöka användningen av den diskreta wavelet-transformen av ett aktieindex som ett sätt att prognostisera nästa dags avkastning. Detta kommer att göras genom att ha den diskreta wavelet-transformen som en input i ett Transformersnätverk med målet att utföra binär klassificiering. Inputen kommer att vara begränsad till en tidshorisont på 30 dagar eftersom hela historien sannolikt inte är nödvändigt, vilket betyder att vi inte bryr oss om den diskreta wavelet-transformen för 5 år sedan när vi försöker prognostisera nästa dags avkastning. Nätverket kommer att utvärderas med hjälp av accuracy och en tradingstrategi som kommer utvärderas på OMXS30-indecet, där vi jämför tradingstrategins prestation med det ursprungliga indexet. Slutsatsen man kan dra av det här examensarbetet är att den diskreta wavelet-transformen och Transformers-nätverkets prestanda var acceptabel. Trading strategin var något bättre än att bara gå lång på indexet, men inte mycket, och när man räknar in transaktionskostnader är det förmodligen inte en lönsam strategi.