本文以支持向量机为研究工具,对中国证券市场进行投资分析,研究的重点放在对A股的长期投资价值的挖掘。以1999～2011年A股全部上市公司(电信服务行业和金融行业除外)为研究样本,分行业进行建模和分析。由于数据存在不平衡问题,在模型的选取上,分别尝试了支持向量机,加权支持向量机和向上取样法三种方案建立模型,并对模型效果进行了比较,实验结果证明,在本案例中,加权支持向量机在处理不平衡数据方面优势明显。由于本文的目的是挖掘具有长期投资价值的股票,而股票的长期投资价值往往与其基本而信息相关度高,因而最终选取了上市公司的23项财务指标作为输入向量。同时,由于股票的投资价值的最终体现在其投资收益率上,因而,本文选取股票的5年收益率排名作为标签变量。5年收益率排名前25%的归为“+1”类；5年收益率排名后75%的归为“-1”类。从而把选股问题转化为分类问题。在研究过程中,划分了五个研究周期,分别是：1999～2007年,2000～2008年,2001～2009年,2002～2010年,2003～2011年。每个研究周期分别作为训练样本训练模型,再把本周期和其后各周期作为测试样本,以测试模型效果。最终的实验结果表明,加权支持向量机模型的选股效果最好,无论模型的学习能力还是模型的泛化能力都有比较好的表现,是一种有效的选股方法。