早期资本市场理论认为,股票市场价格的波动是一种布朗运动,遵循随机游走的规律,于是提出了有效市场假说。该理论一直是金融市场理论的基石,被广泛应用于资本市场研究。随着对经典理论经验分析的发展,人们对金融市场赖以生存的理论基础开始怀疑。传统资本市场理论大多是建立在线性模式上而现实资本市场各变量之间大多是非线性关系,因此传统资本市场理论对现实情况解释乏力,非线性经济学开始兴起。分形和混沌理论作为研究非线性系统的工具,开创了研究非线性系统的新思路。资本市场具有混沌性。对金融序列的分析有诸多模型,其中向量自回归模型是用来处理多元时间序列变量的主要模型之一,易于处理多个相关经济指标的分析与预测。支持向量机是解决模型识别问题的一种有效工具,支持向量分类机可以对所建经济模型的参数进行分类,在非线性和高维模式识别中表现出优势,在诸多领域取得了成功的应用。本文共有四章。第一章概述了本文的研究背景：介绍了非线性理论的研究现状,总结了国内外关于混沌、分形理论、向量时间序列模型、支持向量机等理论的背景和研究现状。第二章介绍了混沌、分形维、向量时间序列、支持向量机等的理论基础,为本文的研究提供了技术和理论指导。第三章实例分析,提出金融市场具有混沌性,并用沪深两市日收盘价作为实例,编写程序计算了分形维,分形维集中在2～3之间,验证了混沌性的存在。由此提出构建向量时间序列模型的思路,样本数据的处理主要用了Matlab、Eviews等。本文对向量时间序列进行参数拟合,研究了沪深两市的特点,实现了对金融序列的预测,并利用支持向量分类机对所建模型进行了参数识别。识别结果是明显的。第四章是本文的一个总结：综述了本文的主要结论,提出了本文的不足和以后的改进方向。论文做了如下创新性工作：①根据金融市场的特点,针对沪深两市的日收盘价,采取对数收益率,利用Matlab编程计算了分形维数,验证了分形维的存在。②根据分形维数,建立了向量时间序列模型,对模型参数进行估计,并实现了预测功能。③利用支持向量分类机对模型参数进行识别,识别结果显著。这些工作将有助于我们用新的视角了解中国金融市场,更好的把握市场规则。