随着我国金融市场的日趋成熟，投资已经成为了比拼判断精准度和交易速度的博弈，投资者对掌握程序化交易和量化投资提出了迫切要求，大量的金融市场数据亟待挖掘,统计学习方法为我们提供了充足的模型和有效的数据处理手段，可以从繁杂的数据中发现客观规律，为投资者提供投资参考，因此研究统计学习方法在金融领域的应用具有重大意义。本文首先研究了股票走势曲线的量化模式问题，给出了波段结构、成交量比值和指标曲线交叉模式的定义，提出了“形态-量-指标”的三维量化模式，并通过MATLAB编程，实现了对华夏银行（600015）股票日线数据的量化，将波段形态数据化，得到了华夏银行的日线结构数据集。本文采用了二项逻辑回归、朴素贝叶斯方法和分类与回归树三种统计学习方法，研究分析了华夏银行的日线结构数据。应用SPSS软件对数据集合进行了二项逻辑回归分析，拟合结果显示该方法对于建仓点的选取比较准确；运用MATLAB编程实现了朴素贝叶斯分类算法，结果表明该方法规避风险的效果较好；应用数据挖掘软件SPSS Clementine建立了数据集合的分类与回归树，计算结果说明该方法对于选取建仓点、指导持仓操作都具有很好效果。本文通过测试样本检测，比较了三种方法对不同结构形态的识别效果，发现单一方法在实际形态的识别中表现不稳定，因此建立了三种方法的组合模型，最后选取等权重系数的组合模型进行测试，结果显示组合模型的预测效果稳定，具有很高的实际应用价值。本文应用MATLAB GUI制作了初级的股票预警平台，通过与市场数据集合相连接，使用者可以获取数据集合内股票的当日预警信息，并可以自主更新个股数据和策略集合，股票预警平台使本文的研究结果得到了很好的展示和应用。