随着社会的发展与科学的进步,人们的物质生活水平日益提高,股票投资也逐渐走进千家万户,成为人们生活密不可分的一部分。由于股票投资具有高收益的特点,使得人们对此趋之若鹜,但是伴随着股票的高收益,股票的高风险性也是不可忽视的一点。因此,如何科学地利用股票市场已有的信息来预测股票市场的变化,尽可能地规避风险与提高收益,也成为了一项重要的课题。本文是基于灰色系统理论和支持向量机理论,以上证指数的周期数据为研究对象来展开研究的。股票市场作为一种本征能量系统,包含有大量的历史数据,其高度非线性的特点又使得常用的线性回归方法难以奏效,因此我们采用的方法是灰色系统理论中的GM(1,1)模型,为了让模型更加完善,得到合理的结果后对其进行边值修正。在完成预测后,根据已有的等级精度评价标准来给出预测的等级并且判断预测是否合理。为了避免单一使用灰色预测模型带来的误差偏大的困扰,我们在原有的基础上加入支持向量机的元素,具体的操作表现为在获取残差序列后,利用支持向量回归机对原模型进行残差修正,将两者进行有机结合以期提高预测的精度。在支持向量回归机中,惩罚因子C与核函数参数γ的变化是影响支持向量回归机效果的重要因素,我们通过对参数进行不断调节选择,尽量保证最好的回归效果。在完成对原GM(1,1)模型的改进步骤之后,将两次预测的结果进行定量地对比分析,发现各项评价指标都得到了明显的提升,从而达到了对原始模型进行改进的目的。