中国股指期货已经于2010年4月16日正式推出交易，监管者和投资者都迫切需要借鉴相关预测的理论和方法，而前人对我国股指期货的相关研究工作多限于交易规则和方式的制定与实施上。虽然已有许多学者以其他他金融指数为研究对象进行了相关研究，但对参数的选择研究还不够深入，造成准确率不是很高，而且适用用于其他指数的模型未必适用于中国股指期货指数。本文从指标的选取入手，选取了反映当日交易情况的开盘价，最高价，最低价，收盘价，涨幅，振幅，总手，成交金额八个指标，用来回归预测第二天的开盘价。并从同花顺股指期货交易信息系统上下载了从2010年4月16日至2012年6月15日的所有日交易数据作为研究数据。用遗传算法（GA）和粒子群算法（PSO）分别优化四种不同核函数的支持向量机（SVM），构建了八种不同的中国股指期货回归预测方案，通过实证研究的方法对这八种不同方案的准确性和时效性进行了比较。实验证明：粒子群算法优化的线性核函数支持向量机作为中国股指期货的回归预测的模型，具有更好的预测效果。然后本文又用建立的模型对上证指数和中石油日K线指数进行了回归预测，取得了很好的预测效果，这表明此模型也可以应用于其他金融指数的预测，具有广泛的适用性。本文达到了预期效果，不仅构建了有效的基于粒子群算法优化线性核函数的支持向量机的中国股指期货回归预测模型，丰富了中国股指期货预测研究的内容，而且对支持向量机的参数优化和核函数选择进行了探索，这将有助于支持向量机参数优化理论和核函数选择方法的研究。