股票至今已经有400多年的发展历史了。股票市场的变化,间接地反映了整个国民经济的发展状况和股票公司的运营情况,它是整个社会经济的“晴雨表”和“报警器”。研究股票市场未来若干天的数据变化对广大的投资者来说有很重要的意义。从事股票数据研究的学者主要分为三类:第一类学者主要应用技术分析的方法来研究市场过去和现在的行为反应,从而预测整个股市和某支股票价格未来的大致变化趋势;第二类学者主要通过时间序列分析方法来预测股票市场的走势;第三类学者则应用机器学习的方法建立各种学习模型来研究股票数据。本文对股票预测研究现状、机器学习、统计学习理论、支持向量机、混沌时间序列、小波理论作了一些介绍,并根据这些理论建立了预测的模型。该预测模型的核心是支持向量机的学习方法。支持向量机建立在统计学习理论的基础之上,其结构简单,在解决小样本、非线性的问题时效果很好,而且能够避免“维数灾难”和“过学习”等现象。具体的来说,本文完成的工作主要有以下几点:一、将支持向量机与混沌时间序列结合起来建立预测模型。根据相空间重构的方法将现有的数据变换成混沌时间序列,然后将时间序列数据划分成训练数据和测试数据,从而建立支持向量机的预测模型。二、在最优参数的搜索方面主要应用了遗传算法。支持向量机的参数选取方法直接影响着预测模型的性能。遗传算法的在解决非线性问题和多维空间寻优问题上效果卓著,文中应用遗传算法搜索得到的参数能够取得较好的预测效果。三、采用小波变换的方法将股票数据分解成高频数据和低频数据,然后分别建立预测模型并得到高频和低频的预测结果,最后通过小波重构的方法将两类数据的预测结果合并,从而得到未来若干天的股票数据。这种方法得到的预测效果比较好,但是预测结果受小波种类的影响较大。