股票的高收益特点一直吸引着投资者的目光,人们对于股票价格的预测从未止步,国外股票市场发展较早,许多经济学家通过各种方法建立了不同的预测模型。随着计算机技术和数学理论的深入,人们开始使用数学模型来解决预测股价这一难题,其中时间序列模型是使用较为广泛也较为有效的。随着统计学习方法理论的发展,一些如支持向量机的机器学习方法开始崭露头角,其泛化误差最小化原则和使用最优化方法解决问题的特点吸引了喝多的目光。本文学习了时间序列模型和支持向量机模型的理论基础,并使用真实股票数据进行建模分析,预测股票价格,使用均方误差这一指标比较两模型预测的好坏。由于时间序列分析无法解读股票数据中的线性部分,且仅在短期预测中有效,而支持向量机可以通过核函数很好的处理非线性的问题,这一优点可以在预测结果中体现,支持向量机预测结果的均方误差远远小于时间序列模型。这说明支持向量机在股票价格预测中的表现还是很优秀的。