目前,股市作为经济的“晴雨表”,它的成熟程度已经成为衡量一个国家经济发展水平的重要指标。投资者们时刻在关注股市、试图预测股市的发展趋势。但是,影响股票价格的因素很多,股票价格行为的作用机制也相当复杂,对股票价格走势的预测非常困难。现实对股市投资决策工具的需要,现代预测技术理论对股市预测的不足都期待一种新型的定量预测工具出现。鉴于支持向量机预测方法在金融预测方面有很大的理论优点,本文提出了基于LIBSVM算法的股市趋势预测方法,并进行了深入研究。 论文首先,提出了股市价格行为的五因素分解方法,并对这五个因素所对应的各个股市特征指标进行了详细分析,在这基础上,构建了三个指标体系：买卖波动特性指标体系、大势型指标体系和综合型指标体系。其次,在分析了支持向量机原理和LIBSVM算法的基础上,建立了一个针对股市指数的LIBSVM趋势预测模型,并编译了LIBSVM模型算法软件实现的C++及MATLAB平台,同时研究了LIBSVM模型参数选择方法以及F-SCORE特征值优化技术。再次,搭建了指标体系与预测模型特征值空间的对应关系,并针对上证指数的数据样本,进行了基于买卖波动特性指标体系趋势预测研究和基于大势型指标体系的趋势预测研究。最后,利用F-SCORE技术对综合型指标体系进行优化,并进行一系列的预测实验研究,对比研究了LIBSVM预测方法、判别分析法、BP神经网络法、RBF神经网络法的预测性能。 文章得出结论,上证指数的趋势是可预测的,建立的预测指标体系是有效的,建立的预测模型也有较好的预测能力,LIBSVM相比其他方法有更好的预测能力。