随着中国经济的飞速发展,中国的股票市场越来越趋于完善,股票交易已经成为人们理财的重要手段,对股票价格的预测也越来越引发人们的关注,所以如何准确的预测股票价格以及波动趋势成为了一个重要的研究方向,国内外很多学者都致力于此方面的研究。　　 支持向量机是机器学习的一种新理论,是基于统计学习理论并利用最优化方法来解决学习问题的新方法。本文在分析股票市场特点的基础上,介绍了常用的时间序列预测方法并提出利用支持向量机建立回归预测模型对股价进行预测。我们选取了长安汽车2007年1月—2010年1月的开盘价作为研究对象,利用3种不同的参数选择方法建立了支持向量机模型并进行了实证检验。　　 此外,为了验证支持向量机模型的预测效果,我们利用ARIMA、灰色理论以及神经网络模型对长安汽车的开盘价进行预测,并与支持向量机模型的预测结果做了对比分析。　　 最后,为了更好的预测股票价格的波动趋势,我们将信息粒化方法与支持向量机模型结合起来,对股票价格的变化范围进行了预测。结果表明,支持向量机模型不仅对股票价格的预测有着良好的准确性,对股票价格波动趋势的预测也有着很好的效果。