中国期货市场从诞生开始发展至今历时十余载，现在越来越多的企业、个人和机构投资者都加入到期货市场中来。期货市场建立的初衷就是为了规避现货市场的风险，而正确判断期货价格的走势在很大程度上决定了期货市场自身是否能发挥其应有的功能。棉花期货近些年开始成为大家关注的焦点之一。一方面是因为我国长期以来是全球最大棉花的生产和消费国，中国因素影响世界棉花价格的走势；另一方面随着纺织品出口量逐年增加，现已经成为我国贸易顺差额最大的产品，关于纺织品的贸易争端逐渐显现而棉花是纺织品的最重要的原材料之一。　　 本文以郑州期货交易所棉花期货价格指数为研究对象，用支持向量机的方法对棉花价格指数进行预测。支持向量机以其深厚的理论基础和良好的实际应用性能而成为机器学习研究中的新热点。在金融市场中，回归预测具有非常重要的实际应用价值，并且由于金融市场是一个典型的复杂自适应系统，如何根据金融市场实际数据环境建立可调的回归预测模型则显得很重要。已有的研究结果表明[2][4][7]，支持向量回归机模型具有良好的学习与推广性能，并且其参数能有效地控制经验风险和置信风险，因而支持向量回归机模型非常适合应用于金融市场回归预测分析中。　　 在模型参数选择方面，本文首先简明、系统地介绍了支持向量机的机理、基本概念、模型描述等有关基本知识和研究现状；然后以棉花期货金融市场为背景，对标准支持向量回归机模型参数的选择进行了较深入、细致地研究，主要有如下几点创新。　　 1.在进行大量仿真实验基础上，对标准支持向量回归机模型参数如何影响其学习泛化性能进行了比较系统的研究与分析。　　 2.通过引入中间变量，对模型参数对其性能的影响进行了逻辑定性分析与解释，并得出模型参数选择的基本原则。　　 3.根据所得出的模型参数选择基本原则，设计了基于遗传算法的标准支持向量回归机模型参数求解算法。　　 这种预测方法最大优势是能够在特定的条件下较为准确地预测棉花的价格指数，以便更好地指导棉农生产、棉纺织加工、棉产品出口。