股指期货是以股票指数为标的物的金融期货产品。和商品期货交易不同的是，股指期货交易的是非实物，因此该交易都是以现金方式进行结算。投资者期望能够通过对股指期货价格的预测分析来帮助其规避风险，同时获得更大的收益。但是股指期货价格内部结构非常复杂，且受到政治、经济多个方面因素的影响，其非线性和非平稳性使得传统的预测方法已难以达到所需的预测精度。针对预测精度不高和预测模型复杂的问题，本文提出了一种基于EMD和RVM的股指期货价格预测方法，主要完成了两方面工作：第一，对股指期货价格序列进行EMD分解和重构。EMD分解能够将股指期货价格序列自适应地分解成若干个IMF分量和一个剩余分量，统计分析各IMF分量的方差占比和Pearson相关系数，并对各分量的均值进行不为0的t检验。根据统计分析和t检验的结果将所有分量重构成三个新序列，分别代表短期波动项、中期波动项和长期趋势项。经过这样的数据处理以后可以更加方便地分析原始价格序列的多时间尺度振荡变化和其内在周期性，有利于把握该序列的波动性和内在关联性，同时还减少了后续建模的工作量和复杂度。第二，建立RVM股指期货价格预测模型。选用高斯核函数，利用粒子群优化算法对核参数进行寻优，针对三个具有不同经济意义的新序列分别建立各自的RVM分项预测模型，将分项结果相加即可以获得股指期货价格的最终预测值。采用沪深300股指期货价格数据对本论文提出的组合预测方法展开了实证分析，获得了相应的预测结果，并将该预测结果与SVM预测模型和RVM预测模型的预测结果进行比较，发现本文提出的EMD-RVMs股指期货价格预测模型的预测精度更高且稀疏度更好。