摘要：选用2008-2015共8年数据，首先基于高斯核的支持向量机在沪市A股上构建周期性的投资组合，并通过误差图和评价指标与BP神经网络、广义回归神经网络进行比较，结果表明了支持向量机在股票预测上更具有优势．再将改进遗传算法运用于上证股票市场构建最优投资组合，以上证指数作为基准进行比较，得出混合遗传算法优化组合的模型相比单一模型更为有效．

关键词：机器学习 高斯核支持向量机 遗传算法 投资组合 

单位：上海理工大学管理学院数量经济学专业; 上海200093