期货市场是社会主义市场经济的重要组成部分，在国民经济中发挥着价格发现、规避风险的重要功能。对期货价格的有效预测，有利于掌握期货价格变化的规律，正确引导投资和保值，合理配置社会资源。但是由于期货市场内部结构的复杂性及各种影响因素的多变性决定了期货价格预测艰巨性，传统的预测方法的应用效果并不十分理想。随着人工智能技术、计算机技术的兴起，涌现出很多优秀的期货价格预测方法。尤其是统计学习理论和支持向量机理论的发展，为解决期货价格预测问题提供了一个新的方向。支持向量机最早是针对模式识别问题提出来的，近年来支持向量机在回归问题的研究也表现了极好的性能。但目前将支持向量机方法应用到有色金属期货价格的预测方面尚属空白。本文以上海有色金属期货为研究对象，提出了基于支持向量机回归的价格预测模型，利用粒子群算法对支持向量机模型的参数进行优化。本文首先从期货市场的背景知识出发，研究了期货品种、期货交易的功能、期货价格的预测方法等，接着分析了影响上海有色金属期货的各种因素，提出了期货价格影响因素主要有供求因素、宏观经济形势、相关市场的影响（现货市场、国际期货市场）、相关商品的如原油的价格波动的影响、与有色金属有关的进出口政策、汇率、有色金属生产成本、有色金属应用趋势变化、基金交易方向、其它因素等，并从影响因素中提炼出可用于预测的输入指标体系，建立基于支持向量机的期货价格预测模型。其次，为了降低模型的复杂度，本文通过主成分分析法对输入向量进行优化。主成分析法旨在利用降维的思想，把相关性很高的指标转化成彼此相互独立或不相关的几个综合指标，从而在尽量保持数据信息的完整性的同时，又可以提高模型的运行效率。再次，对于支持向量机模型中参数选择问题，本文通过实验的方法说明了结构风险最小化、经验风险最小化与参数设定之间的关系，给出了模型中参数惩罚系数C比较合理的取值。接着，本文利用粒子群算法对支持向量机模型的参数进行优化，首先采用三参数优化来找到参数的一个合理的范围，然后在这个范围里进行粒子初始值随机化，从而提高粒子寻优的速度。最后，本文以上海有色金属期货数据作实证研究，分别对铜期货、铝期货和锌期货的收盘价进行预测。预测结果表明，基于粒子群算法的支持向量机预测模型取得令人满意的效果。