近几十年来,随着经济的飞速发展,投资理财已经深入人心,成为了家庭生活理财的重要组成部分。股票市场作为金融投资理的财重要平台,受到越来越多的投资者及研究专家的重视,更多的科学技术方法被应用于股票预测领域。传统的各种股票预测模型基本上都是基于股票技术指标进行的预测,而股票技术指标本身的局部性不能深刻体现主力资金的行为倾向,导致股市难以有效预测。行为倾向是指主体对想要达到某个特定的目标和方向所产生的想法,是导致决策的根本原因。股票市场中股价波动是主力资金运作的结果,主力的任何操作都具有一定的行为意图,从主力的行为倾向性角度出发,提出了基于行为倾向性计算的股市拐点预测方法。具体的研究内容如下:针对传统分段线性表示方法没有考虑股市数据分布变化导致分段不合理,同时股市拐点相关技术指标的局部性导致拐点难以有效预测,因而在分段线性表示方法的基础上提出一种基于行为倾向性计算的股市拐点预测算法(BPC-WSVM)。首先,给出一种波动率分布变化的分段线性表示(V-PLR)方法,通过波动率分布变化自适地优化PLR分段阈值;然后,提取与主力的行为倾向相关股市特征并进行量化,利用逻辑回归(LR)对提取的特征变量进行融合计算得到主力行为倾向性计算结果;最后,将行为倾向性计算结果与PLR-WSVM算法输入特征共同带入到WSVM中,进行拐点预测。在真实数据上的实验结果表明,算法更有强适应性,预测精度得到有效提升。针对不同指标所反映主力行为倾向的重要程度存在差异,以及高维数据可能包含大量的冗余信息以及噪声,会给有效信息的提取带来困难等问题,在BPC-WSVM算法的基础上,提出了正负倾向性特征重要性计算的拐点预测(PNT-WSVM)。首先,根据不同的拐点类型(上拐点、下拐点)对所提特征变量进行正、负归类;然后通过PCA主成分分析方法分别对正、负指标集进行特征重要性计算,提取正、负主成分数据集,再应用两个主成分数据集以及拐点真实标记,构造数据集,带入到多分类支持向量机模型进行股市拐点预测;最后根据拐点类型进行模拟投资,实验表明,PNT-WSVM算法的盈利能力更好,性能更稳定。