随着我国经济的稳定发展,越来越多的投资者进入到股票市场,股票价格走势预测这一问题一直以来都是股票投资者所关注的焦点。与此同时,数据研究在商业和金融领域中的地位持续上升,许多学者将不同的理论与模型应用到股票市场中去,取得了不错的效果。本文以智飞生物2020年的相关数据作为研究基础,选取了前收盘价、开盘价、最高价、成交量、日振幅、流通股日换手率等17个指标作为预测变量。首先根据预测变量建立了 K最近邻模型、决策树模型、随机森林模型以及支持向量机模型。在上述模型中,支持向量机模型在测试集上的预测准确率最高,所以对该模型使用禁忌搜索人工蜂群算法进行参数优化。禁忌搜索人工蜂群算法优化的预测变量支持向量机模型在测试集上的预测准确率有所提高,比预测变量支持向量机模型高了 6.98个百分点。但从总体来看,上述模型的预测准确率偏低并且预测变量的数量较多,所以考虑对预测变量提取主成分再建立K最近邻模型、决策树模型、随机森林模型以及支持向量机模型。比较上述各个主成分模型在测试集上的预测准确率,发现主成分支持向量机模型最高,再建立禁忌搜索人工蜂群算法优化的主成分支持向量机模型,该模型在测试集上的预测准确率高达72.09%。比预测变量支持向量机模型高了 13.95个百分点,比禁忌搜索人工蜂群算法优化的预测变量支持向量机模型高了 6.97个百分点,比主成分支持向量机模型高了 6.97个百分点。禁忌搜索人工蜂群算法优化的主成分支持向量机模型在该问题上的表现明显优于其他模型。本文首次构建了禁忌搜索人工蜂群算法优化的主成分支持向量机模型,通过禁忌搜索人工蜂群算法优化支持向量机模型中的两个待定参数,解决了传统支持向量机模型中存在的无法确定最优参数的问题。此外,禁忌搜索人工蜂群算法是人工蜂群算法的改进,不仅收敛速度快,而且可以避免陷入到局部最优解问题中。最后将禁忌搜索人工蜂群算法优化的主成分支持向量模型应用到冀东水泥、科大讯飞、中信证券、贵州茅台四支股票上。与其他模型相比,禁忌搜索人工蜂群算法优化的主成分支持向量机模型在测试集上的预测准确率都有不同程度的提高。根据实证结果可知,禁忌搜索人工蜂群算法优化的主成分支持向量机模型在股票价格走势预测这一问题上表现较为优异,在测试集上的预测准确率明显高于K最近邻模型、决策树模型、随机森林模型以及传统支持向量机模型。该模型可以作为基于统计学习理论研究股票价格走势的一种参考,也可以成为广大投资者预测股票价格走势的一种科学有效的方法。