风险是影响一切金融活动的基本要素。我国金融市场作为一个发展中的新兴市场,不仅仅是信用风险,市场风险等其他风险也必将随着金融市场的发展而逐渐加大。因此,金融风险管理方法研究对当前及未来我国金融创新以及投资机构进行投资决策均具有重要的意义。/支持向量机(Support Vector Machine,SVM)是在统计学习理论的基础上发展起来的一种新的机器学习方法,由于其完备的理论基础、出色的学习性能及预测性能而得到了广泛的应用。本文研究基于支持向量机的证券风险管理方法,主要的工作和取得的成果有:系统总结与回顾了证券市场投资风险度量方法;介绍了基于结构风险最小化原则的支持向量机理论与方法及SVM在经济学中的应用情况并研究了基于SVM的证券价格预测方法。以上海证券交易所综合指数为例的实证研究表明SVM模型能够很好的对股市波动进行建模。以华夏大盘精选基金为例的实证研究表明基于SVM的混沌时间序列预测可以较好捕捉市场运行趋势和识别市场异常波动,是一种优秀的风险预测与管理工具。针对统计学框架下传统VaR计算方法的不足,发展了基于加权支持向量机(W-SVM)的VaR计算新方法。对2001-2009年上证综指的实证研究表明,基于W-SVM的VaR模型优于传统的VaR方法,在小样本、厚尾、非线性及有异常波动的市场条件下,各种置信度下的W-SVM方法均能取得较好的性能。适合于各种风险偏好投资者采用。