支持向量机是基于统计学习理论的一种机器学习的方法。作为结构风险最小化准则的具体实现,支持向量机方法具有全局最优、结构简单、推广能力强等优点。由于支持向量机具有较严格的理论基础,又能较好地解决许多实际问题,该方法已成为近十年来机器学习领域最有影响的成果之一。最近20年来,投资基金在全球金融市场中以令人瞩目的速度迅猛发展。尤其近几年来,人们对于基金的关注不断升温。我们通过基金净值可以看到基金的收益情况,并把它作为是否买基金以及买哪只基金的主要参考依据。因此,对基金净值的预测具有非常重要的应用价值。本文在研究证券市场目前常用分析方法的基础之上,建立了支持向量回归机证券投资基金的净值预测模型,并得到了较好的预测效果。本文首先研究了证券市场预测的理论依据和证券市场中股票和基金的现状。由于在基金方面的预测主要以定性的方法为主,虽然也有运用回归方程分析法来预测的,但缺乏定量的预测结果。因此表明了运用支持向量回归机研究证券投资基金的必要性和有用性。其次主要介绍了统计学习理论与支持向量机的一些核心概念及其支持向量回归算法。推导了一种基于标准支持向量回归机的单参松弛二范数支持向量回归机。最后,本文运用MATLAB编程,实现BP网络迭代一步预测的方法对两支基金净值进行预测,然后建立支持向量机的非线性时间序列预测模型对两支基金净值进行预测,并将结果进行比较分析。仿真实验表明了支持向量回归机预测模型能较好的预测基金净值,且在非线性时间预测方面取得了很好的效果,具有一定的应用价值。