证券投资基金发展到今天，已成为世界范围内的重要的投资渠道和理财工具，截至2011年末全球共同基金的规模已经达到25.92万亿美元。近年来我国基金也迅速发展，2011年末我国基金数量突破800支，资产净值增长迅速。我国基金快速发展的同也凸显出了一些问题。2008年金融危机席卷全球后，我国股市一直处于较为低迷的状态，而基金的业绩也处于下滑状态，2011年我国末我国66家基金公司资产管理净值缩水15.16%。在当下基金业普遍不景气的情况下，如何选择具有投资价值的基金成为亟待解决的问题。根据目前基金投资面临的实际问题，结合我国对基金绩效评价体系的不足，本文提出了基于混合核函数支持向量机的基金投资决策模型。首先建立混合核函数支持向量机，是通过高斯核函数和多项式核函数的线性组合，建立新的核函数，以改善高斯核函数的泛化能力；同时对高斯核本身进行改进，建立多宽度高斯核函数，能够对输入指标进行不同的赋值，以提高模型的分类精度。其次本文提出了基于遗传算法的SVM参数优化方案，并且针对非平衡数据建模，引入F测度作为适应度函数，进一步提高模型的预测精度。最后本文综合了目前国内外金融机构的基金绩效评价指标体系，提出了涵盖收益、风险、基金经理投资管理能力和基金投资组合等方面的综合指标体系。最后本文应用2008年-2011年间的39支股票型基金进行实证分析，得出以下结论：1、通过引入F测度，可以改善非平衡数据的预测样本精度，特别是对于少数类样本的预测精度会有大幅度的提升；2、其次不同的核函数对于分类的精度有较大的影响，混合核函数支持向量机模型的预测分类精度较其他3个模型均有一定程度的提升；3、本文针对2008年后我国基金出现的大范围收益率为负的现象，给出了不同的投资选择标准，并应用本文提出的模型进行实证分析，认为该投资标准能够帮助投资者在行情较差的情况下，选取亏损相对较少的基金；4、本文给出了基金投资决策的一般步骤。