股票市场是金融市场的重要组成部分,是资本配置的重要手段,对推进国民经济的发展起着举足轻重的作用。股票趋势预测是金融预测领域研究的热点之一。正确的预测股票趋势,不仅可以为广大投资者投资决策提供依据,更可以为国家制定相关经济政策提供参考。随着人工智能技术、计算机技术的空前发展,股票预测方法也得到了很大的进步。其中以数据挖掘技术为基础,研究有限样本下机器学习规律的统计学习理论,是股票预测研究的一个重要方向。本文以统计学习理论作为股票智能预测研究的主方向,提出一种新的股票趋势预测的研究方法——基于遗传算法改进的支持向量机(GA-SVM)算法。其主要的思想是:首先利用遗传算法寻找支持向量机中最优的核参数和惩罚因子,然后再利用遗传算法对股票的特征向量集进行优化,最后将样本数据输入改进后的支持向量机中进行预测效果评估。为了确保评估的全面、客观、真实,实验样本选用噪声相对较小的上证综合指数,实验内容包括改进后的支持向量机与标准支持向量机的预测效果比较,以及与传统方法的预测效果比较。实验结果表明,经遗传算法改进的支持向量机算法优化了核参数和惩罚因子,剔除了样本的冗余特征,减少了计算的复杂度,提高了预测的准确率。