随着经济社会的发展和人们理财观念的改变,在有关政策的引导下,我国的股票市场正一步步发展完善。在西方相对成熟的证券市场中,从金融数据中发掘有用信息,对投融资、风险评估、行业分析、商务管理等有重要的意义。在证券分析方法中,量化投资能够利用发达的信息系统,快速高效地挖掘历史数据中蕴含的信息,克服了以往制定交易策略的主观盲目性,缓和了投机心理对交易决策的影响。而近年来,量化投资方法在我国也日渐火热。在以往的技术分析中,研究者关注最多的是对股价趋势的预测。从起初的资本资产定价理论,到回归模型、ARIMA、GARCH等时间序列方法,以及后来应用人工神经网络、决策树等智能化方法,各种方法体系都为金融市场的分析提供了有价值的参考。但是,由于股票市场是一个错综复杂的系统,宏观环境、微观环境、投资心理、经营理念、人为操作、突发事件等成千上万种因素都可以影响股价走势,对股价的预测很难得到特别满意的效果。相比股票的具体价格,投资者往往关心的是价格的波动,因而,对股价反转点的研究就显得尤为重要。为了能够有效识别股价反转点,本文结合技术分析指标和机器学习算法,建立了一套反转点挖掘机制。首先,选取我国深市房地产板块2014-2016年的股价数据为样本,计算技术指标如RSI、MACD、KDJ、BOLL等,构建特征工程;然后,计算真实反转点向量,构造向上反转点数据集和向下反转点数据集,并根据其存在的不均衡问题进行SMOTE处理;之后,建立支持向量机预测模型并对参数加以优化,对模型结果进行评估;最后,指定交易规则进行回测,论证本文模型的有效性。最终结果表明:相比直接使用原始数据,预先进行样本均衡化处理所得到的预测准确率更高;根据反转点识别模型的预测结果进行交易,其投资回报率要高于简单持续持有的投资回报率;使用多个技术指标进行SVM建模要比使用单个指标具有更好的预测效果。