股票市场作为金融市场的重要组成部分,一直以来都受到投资者和学者的高度关注。因此,分析和预测股票走势具有重要的理论和实际意义。众多学者已经提出了很多预测模型或方法,比如,时间序列分析、神经网络模型等等。但是,股市是一个动态的复杂非线性系统,随着市场的不断发展以及信息技术的革新,早期提出的模型其局限性越来越突出。因此,迫切的需要有新的分析方法和技术被提出。由于我国股市既具有线性特征又具有非线性特征。因此,构建一个既包含线性特征又包含非线性特征的模型更能够拟合股票市场。首先,本文选取上证综合指数的开盘价、收盘价、最高价、最低价和成交额作为输入变量,以次日的收盘价作为输出变量,分别采用线性支持向量回归模型和径向基核的非线性支持向量回归模型对上证综合指数做回归预测。接着,为了克服单一模型提取信息不完全的缺陷,本文采用了最优加权的组合方式对以上两种单一模型进行组合。最后,本文又提出了一种误差校正的组合方式,即先用线性支持向量回归模型对上证指数做出初步预测,接着提取出未被解释的残差部分作为输出变量,仍然用上证综合指数的最高价、最低价、开盘价、收盘价和成交额作为输入变量,采用径向基核的非线性支持向量回归模型对残差部分的信息进行再次提取,然后,组合两个模型的结果作为最终输出结果。通过本文的研究发现,最优加权组合模型的预测效果不是很理想,其预测误差虽然比线性支持向量回归模型小,但比径向基核的非线性支持向量回归模型大,本文认为造成这种结果的原因是因为两种单一模型具有相似的理论基础和数学模型,并没有达到模型之间用相互的优点去弥补对方的缺点这一理想的目标。而误差校正的组合模型在各个指标上都表现了优越性,体现出,单一模型并没有完全提取出股市的预测信息,通过对单一模型的预测误差进行再次提取来修正单一模型能够取得更好的预测效果。