伴随经济的发展和人们投资意识的转变，股票越来越成为社会公众关注的焦点，股票投资已经成为现代人生活中一个非常重要的组成部分。但是股票投资收益的同时，也伴随着相当的风险，即投资越高，则可能要承担的风险也越大。因此，对于股市预测方法的研究不但具有深刻的理论意义更具有极其重要的应用价值。但是股市系统内部结构的复杂性及其外部影响因素的多变性决定了对于股票市场预测的艰巨性，现有的分析预测方法应用效果并不理想。同时，经过多年的发展，股市已经积累了很多数据信息，如何从这些数据中寻求到有价值的信息，将其应用于投资决策中便成为了股市预测的焦点。支持向量机是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习问题的新工具。特别是近年来支持向量机在回归算法的研究方面也表现了极好的性能，但是将其应用到股市预测中却并不多。本文在分析了现行股价预测的基础上，提出了利用支持向量机对于股市预测的应用。基于支持向量机用于时间序列预测的理论基础，给出了基于时间序列的支持向量机预测模型。并且选取上证180指数及青啤股价作为训练预测数据，在对核函数及其参数的适当选择情况下，对于支持向量机的股市预测进行了实证检验。结果表明，支持向量机方法不但可以较准确的预测大盘的走势，而且对于个股股价的预测也具有很好的效果。由此可见，应用支持向量机对股市进行预测前景非常看好。