股票价格的趋势预测一直以来都是金融领域和学术界广泛研究的课题,股价的涨跌直接体现了投资者资产的变化,若能较好地预测股价的涨幅,就可以为投资者提供一定程度上的辅助决策。支持向量机主要用于分类问题和回归分析,具有良好的统计理论基础,主成分分析法可以提取主要原始信息,甚至可以实现样本的最优压缩,PCA-SVM模型不改变样本分布特性,还可以提高运算速度。银行业的发展与国家经济状况密不可分,在证券市场比较有代表性,论文选择银行板块的股票进行股价涨幅分类预测分析。在西南证券电脑客户端,同花顺电脑客户端和优矿证券数据库下载2019年8月20日到2020年2月21日共121期股票数据。进行聚类分析时以公司相关财务指标为主,便于反映公司经营状况;进行预测时以交易指标数据为主,便于掌握股价动向。以R软件为平台采用自编程序结合相关包的调用进行数据分析,研究主要工作有:第一在指标的选择中加入开盘、尾盘、超大单、主力净资金情况,紧跟主力动向,抓住股票动态变化;第二用加权主成分聚类方法对银行板块股票进行聚类分析,便于探索和认识各股票之间的关联;第三根据各股票价格的涨幅分布情况对股价涨幅进行分类,在分类标签中添加振荡类别作为上涨和下跌的缓冲区间;第四从聚合得到的四个类别中各选取一只股票,运用主成分支持向量机方法构造分类模型,利用网格搜索法结合交叉验证法寻找最优参数,得到分类模型。根据模型预测结果显示,招商银行和建设银行的投资成功率为85.37%和87.8%,经过组合模型预测后郑州银行和江阴银行的投资成功率为76.92%和80.77%,PCA-SVM模型与神经网络和费歇尔判别方法相比效果更佳,平均投资成功率超过了80%,说明此类预测模型和方法的预测效果较好,也体现了模型在银行板块股价涨幅分类预测的优越性能。