股票及股指价格预测一直是经济金融研究中的热点问题,也是金融时间序列预测的难点。近年来,机器学习理论在金融预测中应用广泛,国内外的研究者对此提出了各种各样的模型,但是大多数研究者将精力集中在股价未来值的精确预测上,对股票及股指变动方向的预测研究不多,尤其是像中国这样的新兴市场。股价的变动方向预测意义重大,它不仅直接影响着投资者的买卖行为及交易策略,而且近来一些研究表明,基于股价变化方向预测做出的交易策略更为高效。本文将中国沪深300指数收盘价日变化方向的预测转化为分类预测问题,定义预测变量(指数价格变化方向)y=0或y=1,即如果下一天的价格高于今天价格,y=1,如果下一天的价格低于今天价格,y=0。预测模型选用机器学习中广泛用于分类的支持向量机模型(SVM),选取10个股票交易分析中具有代表性的技术指标做为模型输入变量,预测下一天股指收盘价的变化方向。为了提高预测准确率,后来引入向量自回归模型(VAR),先用向量自回归模型预测下一天的股价及技术指标,然后再将预测得到的技术指标输入支持向量机得到下一天价格变化方向,通过对比实证结果,在向量自回归基础上的支持向量机间接预测,效果较好。