近年来,对股票拐点的预测成为了股票预测中的热点问题。一种结合分段线性化和加权支持向量机(PLR-WSVM)的预测方法在股票拐点预测领域展现出其性能的优越性。然而,在取得良好成果的同时,该方法也存在许多不足。例如,PLR-WSVM预测产生的拐点数较少使得模型的稳定性受到影响;该方法在分段线性化过程中对所有股票在全区间上采用统一阈值缺乏合理性等。针对PLR-WSVM的不足,本文提出了一系列改进。首先,本文重新建立输入特征向量,去除了大部分绝对指标,选用对模型建立和预测更有帮助的相对指标。其次,本文将拐点看成一个区间,而不是单个点,先通过分段线性化生成序列的核心拐点(CTP),再根据核心拐点生成区间拐点(ITP)。拐点区间化改善了原方法中的类不平衡问题,并为模型提供了更多有价值的信息。再次,针对分段线性化过程设置统一阈值不合理的问题,本文提出一种新的分段线性化阈值选择方法,该方法通过给定训练集上期望的拐点比例对阈值进行动态选择,既提高了阈值的合理性,又能更容易被普通投资者所理解。此外,本文还提出了结合长期趋势和短期趋势确定拐点买卖性质的划分方法,提升了拐点的预测准确性。最后,本文提出了一种带有校正功能的交易策略,进一步减少实际投资过程中损失的可能性。本文通过多组对比实验,验证了改进方法的有效性和优越性。同时,本文还对改进后的模型进行了长达3年的收益率测试,结果表明该模型在长期投资上具有较稳定的收益能力。此外,改进的模型还在随机数据集上表现出良好的泛化性能。