随着我国资本市场的不断扩容,越来越多的公司在市场上公开发行股票,募集资金。同样,伴随着国民经济的不断发展,居民收入水平不断提高,越来越多的居民将购买股票作为一种重要的投资理财方式。而我国的股票投资市场仍以散户为主,从众多股票里进行股票挑选,并推荐给个人投资者,尤其是缺少投资经验和相应专业知识的投资者,为其提供决策支持,具有很大的实践价值。本文对股票的推荐方法进行了分类,明确提出了个性化推荐方法和非个性化推荐方法。个性化推荐方法是借鉴商品领域的个性化推荐算法,将其移植到股票个性化推荐领域,面向某个投资者。而个性化推荐存在个人的交易持仓等隐私数据难以获得和根据个人投资的历史数据及个人风险偏好特征得出的推荐股票,未必能取得良好的市场表现等问题,因而本文推荐算法关注的重点在于非个性化推荐领域,面向所有投资者。本文重点针对非个性化推荐领域的传统方法进行了梳理,并将其分为传统非个性化推荐方法和量化非个性化推荐方法两类。在非个性化推荐领域,择股与择时,始终都是股票投资过程中绕不开的重要问题。在构建股票择股推荐方法的过程,本文采用了GARP策略的基本思想,选取中证800指数这一具有代表性的基准组合,并从众多指标中筛选出了有效的单因子,然后构建了一个多因子组合,并对该组合的择股推荐效果进行了敏感性分析,进一步优化了投资组合的选取过程。在对数据挖掘分类算法进行了梳理,并对支持向量机算法的原理进行了详细分析之后,本文提出了基于支持向量机算法的择时模型。具体是选取中证800指数的日频数据,并进行处理,设置了自变量,对中证800指数的涨跌情况的因变量进行分类预测处理。经过实证检验,证明这种择股加择时的推荐算法模型在股票非个性化推荐领域具有良好的效果。