支持向量机预测理论是九十年代后期发展起来的新的数据挖掘技术,它是建立在统计学习理论基础上的通用学习方法,着重于研究小样本条件下的预测规律。由于股票期货市场是复杂的非线性系统,传统的时间序列预测技术很难揭示其内在的规律,为了更好的对股票期货市场的价格规律进行分析,本文在支持向量机与小波变换的理论基础上推导出了一种新的方法来对股票期货价格的进行预测,并通过仿真实验,分析了其优缺点.本文主要在如下方面进行了研究和探讨:1.首先论述了时间序列预测的研究状况及方法的优点与不足,然后介绍支持向量机预测、小波理论与相空间重构的相关概念和模型,这些构成了本文的理论基础。2.构建了小波核的支持向量机模型,并根据核函数的条件,提出了核函数的构造方法,证明了几种小波函数作为核函数的可行性,为发现更多核函数提供了依据。同时分析了核参数的作用及参数寻优的方法。3.结合最小二乘法,提出了基于小波核的最小二乘支持向量机预测模型,并把该模型应用于沪深300指数与美国原油期货指数的预测,并与标准最小二乘支持向量机及神经网络模型的预测效果进行比较,验证了该方法的优越性,最后分析了该方法的优缺点及进一步的研究方向。