期货交易，是商品交换的一种高级形式，随着市场经济的发展和成熟，它对经济的稳定与发展的作用也日益明显。影响期货价格的因素很多很复杂，其市场行为较之股票、债券而言具有更大的投机性。因此，采用更为科学的方法对期货投资进行分析显得更为重要。价格的预测在投资分析中占有重要的地位。　　 在理论上，期货价格是一种非平稳时间序列，而非平稳时间序列的特点复杂，一些常用的预测方法对其进行预测往往效果不佳。如何对以期货价格序列等金融数据为代表的非平稳时间序列进行预测己成为一个热门领域，国内外的专家学者也提出了多种决策方法。　　 本文提出了以支持向量回归机(SVR)为核心的解决方案。它能优质地为期货投资者提供预测期货价格走势，有效的可服了用回归等传统手段建立模型来预测非平稳金融时间序列(期货产品的价格序列正属于此列)收效甚微的缺点。　　 本文首先介绍了选题的目的和意义，国内外期货预测研究现状和支持向量机方法在国内外的应用现状，并分析了他们各自的优劣，以及本文的研究内容和结构安排。　　 接下来介绍了本文将要用到的状态空间模型和支持向量机等理论，并提出利用状态空间模型进行取样调整，分离出多个特征项，再利用支持向量回归机对提取出的特征项进行预测，将预测值加总就得到最后的价格预测数值，即SS-SVR模型。通过样本时间尺度的变化，模型还可以实现短期价格预报和中长期趋势预测。以此模型为核心，本文提出包括风险评估在内的期货产品的量化投资决策过程。　　 文章还将SS-SVR模型应用在我国铜期货市场，实际应用的结果显示，状态空间模型分离特征项能够很好的拟和原序列，并捕捉原序列的特点，SS-SVR的短期预测效果比ARIMA模型和标准支持向量回归机模型有很大提高，并且外推多步预测能力更强。　　 本文最后对研究的局限和不足进行了说明，同时提出相应的改进性意见并指出后续的研究方向。