随着我国经济的飞速发展,与世界各国的联系越来越紧密,相互影响程度也越来越大。而金融市场是国家经济发展过程中的核心内容,各国政府与各个金融投资机构都在积极地研究分析金融市场变化规律,其最终目的就是希望能够提高金融投资效率,并对金融市场进行更为有效的监管。股票市场在金融市场的发展过程中占据重要的地位,因此对其波动规律进行深入研究对经济的发展具有重要意义。近年来,我国金融市场发展迅速,投资类型也逐渐增多,因此,量化投资也渐渐得到了人们的关注,同时,也推动了在金融计量分析方面的深入研究。金融市场中最常用的数据类型就是时间序列,它能反映真实的市场行为,通过对时间序列进行量化分析,能够深入分析市场的隐藏信息,从而可以为投资决策提供理论基础和技术支持,也有利于后续风险管理、资产定价和产品设计等工作的进行。本文主要介绍了集合经验模态分解方法的发展及相关理论基础,并对支持向量机模型的原理及参数选择方面作出阐述。在实证研究方面,本文利用集合经验模态分解方法对我国深证综合指数的每日收盘价数据序列进行波动性和周期性分析,并在此基础上进行支持向量机模型的预测分析,并对不同的预测方法进行对比。本文利用集合经验模态分解方法分析深证综合指数,将原始数据序列分解为有限个固有模态函数和一个趋势项,重构成高频序列、低频序列和长期趋势项三个时间序列,并对其进行波动性和周期性分析,揭示了深证综合指数在不同时间尺度上的波动特点。最后本文还选取了近两年的数据为研究对象,在经过集合经验模态分解方法与固有模态函数重构的基础上,利用重构的三组序列的均值比例,对数据进行处理后,再利用支持向量机回归模型预测,得到各个序列的预测值,相加构成最终的预测结果。在预测过程中,通过对向前一步预测和向前五步预测方法的预测结果进行对比,说明了五步预测方法对未来预测的有效性。同时,通过与使用单一支持向量机模型预测的结果进行对比,说明了先利用集合经验模态分解方法对数据进行处理之后,再进行预测,可以有效地提高预测精度,应用空间更加广泛。