股指期货是以股票价格指数为标的物的期货品种,2010年4月16日中国金融期货交易所正式推出了股指期货交易,开启了股指期货在我国发展的序幕。随着股指期货市场投资者的增加,股指期货交易量逐日增长,股指期货发挥着价格发现,规避风险的作用,同时也丰富了投资者的投资策略,股指期货市场已经成为了我国金融市场的一个重要组成部分,因此对于股指期货价格的预测具有重要意义。对于价格预测前人多采用技术分析,基本面分析,传统的时间序列分析等等,但是这些方法往往有较大的局限性,预测结果也往往不太理想。支持向量机是由基于结构风险最小化的统计学习理论发展而来,支持向量机有着其他预测方法所不具备的优点,因此对于价格的预测有更加优秀的效果。本文使用支持向量机对我国的股指期货历史数据进行回归建模,并使用模型进行价格预测。本文选取了我国沪深300股指期货的历史交易数据,将所选择的数据分为两个部分,分别是训练数据和新鲜数据。选择影响期货合约价格的相关指标,选择了与股指期货短期价格相关的八个指标分别为:最低价,最高价,收盘机,开盘价,涨幅,振幅,成交量,持仓量。其中持仓量指标的选择是本文的创新之处,持仓量是期货品种特有的指标,与价格有着密切的联系。模型参数的选择以及支持向量机的核函数的选择会对预测结果产生较大的影响。在参数选择方面本文利用遗传算法和粒子群算法对参数进行寻优,将通过两种方法寻优得到的参数和四种核函数结合在一起建立八个回归预测模型。在训练样本范围内,使用八种模型,将八个指标作为输入变量,将股指期货第二天的收盘价作为输出变量,对模型进行训练,将训练好的模型对新鲜数据进行预测,得到预测结果,针对预测结果选择最佳的预测模型。为了研究模型的适用性,本文又将选择的最佳模型对上证50股指期货进行预测,通过预测结果说明该模型的适用性。本文通过实证发现基于遗传算法的参数寻优,结合径向基核函数所建立的支持向量机回归预测模型在股指期货的短期价格预测方面要优于其他七种模型。所建立的模型在对其他样本预测上也表现出理想的结果,证明了模型的适应性较好。因此,本文达到了预期效果,建立了基于遗传算法的径向基核函数的支持向量机回归模型,丰富了对于股指期货短期价格的预测方法。