股票市场是一个复杂的非线性动态系统,为了保证股票投资者的利益需要通过预测股市波动的情况来把握股票市场的发展规律,以降低股票的投资风险,但由于传统的预测技术并没有准确的揭示股票市场的内在规律,导致最终的预测结果并不十分理想。本文采用了支持向量机的方法对股市进行预测。支持向量机是一门新兴的边缘学科,可以用来解决许多其他技术无法解决的问题,且具有良好的拟合精度和泛化能力。可以相信,将支持向量机的方法用于股市预测会具有良好的应用前景。首先介绍了股市的相关背景知识,然后对传统的股市预测的方法进行的了介绍,特别详细介绍了基于神经网络的预测方法。接着全面介绍了统计学习理论和建立在其上的支持向量机方法,详细描述了支持向量机方法的基本原理。其次,对将支持向量机方法用于股市预测问题进行了尝试。提出了使用支持向量机的方法进行股市预测的基本流程,然后通过使用实际的股市交易数据进行预测,并对具体的预测结果进行分析,预测结果显示使用支持向量机的方法进行股市预测具有良好的预测精度,在具体股价的预测和股票走势预测方面都表现出很好的效果。接着为了提高算法的运行效率,提出了使用主成分分析对输入向量进行优化的方法,通过将多维输入向量转换为维数较低且互不相关的输入向量,有效的实现了降维的目的,减小了运行程序所需的空间代价,从而提高了算法的运行效率。最后,针对核函数的选择问题,对各种核函数的实际预测效果进行了比较分析,并对结果进行了分析,从中选择出了最适合股市预测问题的核函数。通过对具体实验结果的比较分析,可以认为,由于支持向量机方法本身所具有的优势,使其在股市预测问题上具有广阔的应用前景,随着研究的不断深入,其必将成为解决股市预测问题的一个重要方法。