我国股票市场形成已有二十余年,在这段时间里,股市经历了风风雨雨大起大落,曾经一度让投资者对市场丧失信心。但是,从股份制改革开始,特别是《公司法》、《证券法》的出台,使得股票市场空前的繁荣,也让大批的投资者(机构和个人)重新回到这个舞台。在这种形势下,具有指导股票投资意义的模型和方法就相应的得到了人们的重视。我们认为判断股票市场趋势强弱和如何选择股票是投资的关键,因此本文以解决这两个问题为目的,以影响投资股票的财务指标和市场指标构建指标体系,利用支持向量机原理建立模型。 通常认为股票的涨幅很大程度上取决于上市公司的财务状况和市场面情况,因此,本文通过查阅文献,总结出反映上市公司财务状况的22个财务指标,并利用主成分分析降低各指标间的关联度,得出的主成分因子代替原财务指标与4个市场指标构成本文的指标体系。在此基础上,利用一种机器学习的方法——支持向量机(SVM)来学习这种股票涨幅的分析过程,基于不同的数据,我们分别得到判断股票市场趋势强弱的支持向量机模型和选择股票的支持向量机模型。 本文的主要研究结论如下：1)从学习问题的一般表示、统计学习理论等角度对支持向量机的理论基础进行了描述和探讨,对SVM这一更具构造性的机器学习方法目前的研究现状以及主要算法做了综述和比较说明,并探讨了SVM主要存在的问题；2)在对股票市场的研究中,可以结合财务指标和市场指标,共同构建指标体系；3)通过支持向量机建立判断股票市场趋势强弱的模型,模拟结果与真实结果较为接近,效果较好,并以此预测未来一期的股票市场的趋势,发现相对于上一期趋势,2007年下半年至2008年上半年这段区间A股市场趋势相对较弱；4)通过支持向量机建立选择股票模型,模拟的股票池可以以绝对优势跑赢大盘,效果较好,并以此构建未来一期的股票池,我们得出一个含有74只股票的股票池；5)对于本文提出的研究问题,支持向量机多分类法的建模效果好于二分类的建模效果。