股票投资已经成为人们日常生活的一个重要组成部分，预测股票价格也一直是人们关心的问题。股票市场是一个复杂的非线性动态系统，利用传统的时间序列预测技术很难揭示其内在的规律。为了更好的对股票市场的价格规律进行分析，本文在支持向量机理论的基础上推导新的方法来适合股票价格预测的应用。支持向量机采用结构风险最小化原则，使风险只与输入样本数目有关，而与输入的维数无关，从而避免“维数灾难”，克服了传统神经网络收敛速度慢，存在局部极小值等缺点，具有较好的泛化能力。本文基于此方法开发了一个支持向量回归机原型系统。本文将这个系统应用于股票价格的预测，预测效果基本令人满意。本文还另外讨论了核函数及其参数对预测结果的影响。因此基于支持向量机的股票价格预测模型对股票价格研究有着重要的参考价值。