摘要：支持向量机（support vector machine，SVM）方法是建立在统计学习理论的VC（Vapnik-Chervonenkis）维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（对特定训练样本的学习精度）和学习能力（无错误地识别任意样本的能力）之间寻求最佳折衷，以求获得最好的推广能力．基本原理是，以二维数据为例，如果训练数据分布在二维平面上的点，它们按照其分类聚集在不同的区域．通过训练，找到这些分类之间的边界．利用SVM方法，针对上海期货交易所挂牌交易的2011年期货铜主力合约500ms每tick的高频数据进行分析．分析结果表明，SVM方法可以取得较好的预测效果．