股指期货和股票现货一样都是经济预期的“晴雨表”,并且股指期货具有价格发现和套期保值的功能,这些都使得它对于整个金融市场是具有重大意义的。虽然投资股指期货具有较高的收益性,但因为股指期货市场变幻莫测,价格也一直起伏跌宕,所以它同样存在较高的风险性。为了规避这种高风险投机者们一直在寻找一种有效的工具,能够准确分析和预测股指期货的价格,从而获取丰厚的收益。然而影响股指期货价格的因素非常之多,价格波动的变化也显得异常复杂,准确预测价格的变动趋势成为了一件较为困难的任务。本文的研究目的就是建立基于小波算法和遗传-支持向量技术的回归预测模型,使市场投机者可以较准确地预测股指期货价格的未来走势,降低投资风险的同时提高投资的收益。本文首先总结了股指期货价格预测方面的研究进展和各种预测方法的研究进展;然后阐述了小波分析的理论基础和支持向量机理论基础,以及在具体应用中的各原理;接着根据支持向量机在用于预测时所存在的问题引出遗传算法这一优化方法,着重分析了支持向量机存在参数难以选择的问题,并探讨如何通过遗传优化算法来弥补这一缺陷;最后在这个基础上进行具体模型的构建和运用。本文具体的研究方法是:首先运用小波分析做原始数据的前期处理,这样既可以去除原始数据中的噪音部分,也可以应用离散小波分析充分提取期货价格序列内隐含的波动和趋势信息,这样的数据处理可以更好地把握序列的波动性和内在的关联性,从而实现提高预测精度的目的;接着运用本文建立的基于小波分析和GA-SVR(Genetic Algorithm-Support Vector Regression)的学习模型来进行智能化训练以达到很好的预测效果;最后将该回归模型应用于股指期货的实际价格数据中,进行股指期货价格预测的实证研究。实证结果表明:结合小波分析进行数据处理可以提高最终的预测精度,遗传支持向量回归模型的预测精度也比一般的支持向量回归模型和其他一些常用预测模型的预测精度都要高,拟合和预测的效果也比较好。相比于过去的一般回归预测分析和套用简单人工智能技术两种策略而言,本文的预测方法具有更高的经济应用价值和广阔的发展前景。