支持向量机作为一种新的机器学习方法，具有较高的学习能力和泛化性能，在解决非线性问题中表现出许多特有的优势，近年来开始在金融领域得到广泛的研究和应用。本文基于双正交小波核支持向量机进行金融时间序列预测及非线性协整研究，研究内容主要有以下三个方面：　　第一，对双正交小波核函数的研究。基于支持向量机的核函数理论，结合双正交小波良好的数据压缩和特征提取性能，构造了一类新的核函数--双正交小波核函数，并通过正定核的容许性条件验证其有效性，同时构造了两个具体的核函数：CDF9/7双正交小波核函数和Bior(5，5)双正交样条小波核函数。　　第二，基于双正交小波核支持向量机的金融时间序列预测研究。针对金融时间序列的非线性、非平稳性等复杂特征，提出了相空间重构和分数差分两种预处理方法。然后，针对金融时间序列的离线预测，构造了基于双正交小波核支持向量机模型，并基于该模型对纳斯达克综合指数等证券指数以及欧元兑美元等汇率数据进行了离线预测。最后，针对高频时间序列数据，提出了基于双正交小波核支持向量机的在线预测算法，并基于该算法对沪深300股指期货数据进行了实证研究。　　第三，基于双正交小波核支持向量机的非线性协整研究。结合非线性协整的基本理论以及非线性协整的存在性检验方法，建立了基于双正交小波核支持向量机的非线性协整模型，并基于该模型对美元指数和国际原油价格进行了实证研究。接着，针对跨度较大的金融时间序列，提出了一种基于动态规划模型的变结构点检测方法，建立了变结构非线性协整模型，并基于该模型对美元指数与布伦特原油、黄金、铜、铝等国际大宗商品期货价格进行了非线性协整研究。　　本文的研究意义主要有以下两个方面：一是双正交小波核函数及其支持向量机的构造不仅是对核函数研究理论的丰富，也是对支持向量机构造和学习理论的丰富，具有重要的理论价值；二是股票指数、汇率、高频金融时间序列的预测以及非线性协整关系的研究，为投资者深入认识金融市场规律、有效地进行金融决策提供了正确的投资指导，对分析金融市场具有重要的实际应用价值。