股票投资作为一种常见的投资方式,其投资方法也日新月异。越来越多的投资分析师开始将证券投资方法与计算机技术结合,利用计算机分析数据的优势来进行股票交易。支持向量机(Support Vector Machine,SVM)作为一种数据挖掘技术,在高维、非线性、过拟合等问题上具有较强处理能力,在股价预测方面表现出特有优势,为政府、企业、股票投资机构以及个人在做出决策时提供指导,具有较强的理论和实际意义。本文利用支持向量机对我国股票价格进行预测,文章首先总结国内外文献对股票投资方法进行综述,并阐述支持向量机基本原理,与证券投资分析法、数理统计模型和神经网络预测进行对比发现,SVM能够解决非线性、高维、过拟合以及神经网络局部最小值问题,在股价预测上更具优势。其次建立支持向量机预测模型,通过选择四种不同核函数模型进行参数择优,选择拟合误差最小的核函数与参数构建模型,对股价进行预测,预测结果显示训练样本拟合效果十分好,对于预测样本,由于股票价格变化频率高,预测效果稍弱,但其中以高斯核函数构建的模型预测效果最佳。下来以此模型预测的价格信息构建混合投资策略并进行优化,混合策略包含设置资金权重和子策略“投票”两种方式,得到股票投资结果相对于普通依据预测结果涨买跌卖策略好,为股票投资提供了一种思路。最后总结支持向量机预测股价模型和投资策略,指出模型和策略中存在的技术问题,并对模型和策略将来的改进以及研究指明方向。