我国的股票市场经过了近二十年的发展变得逐渐完善，股票已经成为了大家愿意承担风险的理财手段，对于广大的投资者来说，对股票市场进行价格预测分析有着极其重要的意义。目前国外有很多经济学者提出了不同的股票价格预测方法，这些预测方法从基本的经济学的原理出发，建立了比较完善的时间序列的数学模型，但是由于这些理论往往是建立在比较理想的假设上的，所以这些数学模型应用在我国股市的预测中还存在着一定的局限性。　　 课题根据对支持向量机和股票价格预测问题的研究，提出了基于支持向量机的股票价格预测模型，该预测模型在求解过程中将支持向量分类算法的决策函数连续化，使预测模型具有结构简单，解决非线性的问题效果好等优点，从而能够获得较好的股票价格预测结果。　　 论文首先对统计学习理论、支持向量机，以及支持向量机在证券领域的应用进行了综述和分析;其次，论文对股票走势与价格预测进行了分析，并从原始数据的标准化和核函数的选取等方面进行了详细的阐述;然后论文根据我国证券市场的特点，提出了基于支持向量机的股票价格预测模型，并对模型应用、参数调节和指数选取的方法进行了讨论;最后论文通过构建的仿真平台和实例数据对提出的预测模型进行了仿真和分析，从而验证了基于支持向量机的股票价格预测模型的正确性和可靠性。