这篇论文以中国A股市场的沪深300指数为研究对象，旨在通过对沪深300指数的预测研究，为投资者和金融机构对A股市场的投资提供依据和思路。文章首先回顾了相关文献，在对国内外文献的发掘和归纳中发现，学者们对股票价格和股票指数的预测研究，大部分都是基于时间序列分析和神经网络方法。有的研究还比较了几种时间序列模型和几种神经网络模型，在特定数据来源的基础上，判定了所建模型的优劣。支持向量机模型通常情况下用于分类研究，但在对原始数据进行充分处理的基础上，利用基于支持向量机的神经网络模型，可以对充满非线性关系的金融数据进行回归分析。文章介绍了基于模糊粒子理论的数据处理方法，这种方法可以对数据进行预处理，提高后续建模的精度和准确度。接下来对支持向量机回归理论进行了充分研究。文章介绍了沪深300指数产生的背景及其特点。已有的对股票价格或股票指数的预测研究通常把开盘价格、开盘指数选为研究对象，文章利用GARCH模型，通过比较沪深300指数开盘指数和收盘指数的波动性，确定以波动相对较小的收盘指数作为预测对象，能够降低预测的难度，提高预测的准确性。接下来针对沪深300指数进行了实证预测。基于沪深300指数历史数据的研究表明，不论是在指数的上涨期，还是在下跌期，抑或是震荡期，支持向量机回归模型在3天的预测期内都表现出了相当高的预测水准，尤其是对指数未来三天波动范围下限的预测，准确度相当高。最后指出了研究改进的方向。