互联网信息挖掘是数据挖掘技术在互联网信息处理方面一个新的应用领域，呈几何级数快速增长的互联网信息正在对各个领域产生深远影响，尤其是对金融投资领域影响，金融信息的时效性和金融行业参与人员的高素质决定了互联网是金融信息传播的主渠道和高速公路，金融利好利空信息及其相关披露直接影响了股市的波动，因此互联网金融信息挖掘是在证券市场中进行理性投资、维护收益和有效监管的重要工具。 证券市场是一个复杂的非线性动态系统，为了维护投资者的收益，可以通过预测股市波动的规律来提高股票投资的正确性，降低股票的投资风险。当前有许多股市预测理论、技术，如基本面分析、技术分析等，也有大量股市波动规律研究算法和模型，如遗传算法、神经网络模型等，本文则是运用支持向量机技术对沪深股市指数波动规律进行研究。 本文的新颖之处是将互联网金融信息引入股指研究模型中来。金融信息和资本市场的波动关系非常复杂，尤其是股票市场，金融信息和股指波动之间的关系被广泛研究。以前由于无法对大量报纸、电视和各种媒体发布的金融信息逐日乃至逐条地进行统计，因此难以从整体上研究金融信息与股市波动的关系。但是随着互联网信息的扩展和计算机对网页处理技术的进步，利用计算机大范围地统计金融信息已成为轻而易举之事，互联网金融信息挖掘必将在资本市场投资辅助决策方面扮演越来越重的角色。 本文以沪深300指数为研究对象，选择与沪深300指数波动最为密切相关的交易量、新闻量二个影响因素作为模型输入数据，运用支持向量机模型对沪深300指数波动的规律进行了研究。论文叙述了使用支持向量机技术进行股指预测实验的基本流程，以沪深股市2007年上半年的实际数据进行训练、预测，实验结果显示支持向量机技术在沪深股市波动预测中具有良好的拟合效果，体现了支持向量机在回归预测方面的上佳性能，可以用来解决一些复杂的非线性回归问题。