越来越多的人开始进行股票投资，为了获得超额利润，对股票价格进行预测将是人们关心的问题。股票市场是一个复杂的非线性动态系统，利用现在比较常见的马氏链预测技术、神经网络预测技术、灰色模型理论预测技术、时间序列预测技术以及最普通的线性回归方程预测技术很难达到利用预测结果指导股票进行操作而获利的目的。 为了更好的对股票市场的价格规律进行分析，达到实用化的目的，本文提出并实现了一种以使用支持向量机的分类方法为基础的股票波段式预测方法。其主要思想分为两个步骤：一，把需要训练和测试的股票走势k线图进行分段。为了达到对日k线数据进行分段的目的，本文提出并实现了一种简单的基于层次聚类的算法以对日k线数据进行自动划分，并依次把上升波段的前两个样本点划为上升起点类，把上升波段的剩余样本点划为普通上升类，把下降波段的前两个样本点划为下降起点类，把下降波段的剩余样本点划为普通下降类。二，根据分段后的波段特征信息进行分类并预测后市的波段走势。而为了达到更加准确的分类操作，在挑选样本属性时，根据相关性原则和一些股票操作原则把原来22维向量压缩到5维向量；通过反复实验挑选出最佳的核函数、核函数的参数以及惩罚系数；在matlab中实现了一种基本的通用四类分类支持向量机算法并使用它对训练样本进行训练并对测试样本进行分类预测，最终得到了比较满意的预测结果。