股票市场是极其复杂的非线性动力学系统，由于诸多因素影响其中，使得其价格波动的预测异常困难。国内外对于股票价格波动预测的模型有很多种，依据预测方法出现的先后大体可以分成三个阶段，第一个是结构计量模型阶段，第二个是时间序列分析阶段，第三个是智能预测阶段。由于股票的非线性，传统的结构计量模型和时间序列很难进行预测。所以，本文釆用智能预测的方法。神经网络模型是智能预测的主要代表，它不需要建立所要研究的问题的精确逻辑和数学模型，而是模仿人脑的思维方式构造神经网络算法，只要直接输入数据就可以得到结果，但是神经网络的缺点是容易过拟合和得到局部最优解。本文将主成分分析和ε-支持向量回归机模型结合运用于沪深300指数的预测当中，可以很好的克服神经网络的缺点。本文首先介绍了主成分分析理论和支持向量机理论，通过不敏感损失函数的引入，构建了基于主成分分析和支持向量回归机股市预测模型。然后分析影响股市的诸多因素，并选取沪深300指数一段时间内的真实数据，进行完主成分分析前期数据处理之后，运行LIBSVM软件包，对沪深300指数进行了实证研宄，通过预测值和真实值的对比，验证了主成分分析和支持向量问归机模型用于预测沪深300指数的可行性和有效性。最后，通过与BP神经网络的比较，验证了主成分分析和支持向量回归机模型的预测精度较高。