股票作为金融市场最主要的金融工具之一,其价格波动能否预测、以及用何种方法进行预测,一直以来都是金融领域研究的焦点问题之一。国内外对股票价格波动进行预测的模型种类很多,依据其建模理论不同,可将这些预测模型分为两大类：一类是以统计原理为基础的结构计量模型；另一类是以神经网络、遗传算法、支持向量机等为基础的智能预测模型。本文主要将基于ε-支持向量回归机模型运用于股市预测当中,以期能给投资者科学的投资信息。首先,本文介绍了支持向量机理论,并重点阐述了支持向量回归机的原理,然后通过引入ε-不敏感损失函数,建立基于ε-支持向量回归机的股市预测模型。在实证分析部分,通过选取上证综合指数和四川长虹、民生银行在一段时间内的真实数据,并运用LIBSVM软件,对其进行了实例研究,并对预测误差分别进行分析比较。最后,通过与传统的BP神经网络方法进行对比,验证了ε-支持向量回归机模型的可行性和有效性。如何有效、准确地对股市进行预测,提高投资收益是当前无论投资者还是专家学者都迫切关注的问题。本文研究的基于ε-支持向量回归机的股市预测模型,不仅在理论上通俗易懂,在实证检验中预测效果也较好。可以说,本文所做工作,对我国股票市场的预测有一定成效,对投资者进行正确投资也有一定的作用。