在金融市场预测领域许多问题无法用传统的方法来刻画内部规律而新的非参数支持向量回归和分类（SVM）方法只需基于自身的独特算法就可以对样本信息不断训练提取出目标经济和金融问题隐台的最优非线性映射关系非常适台解决先验知识不清的预测问题。特别重要的是独特的结构风险最小化设计赋予了SVM最出色的预测功能这是基于经验风险最小化的传统方法不能比拟的。本书利用支持向量回归对不同时间序列模型进行估计分别预测了汇率证券指数收益率以及它们的波动性同时也利用支持向量分类估计了非线性的概率模型对公司信用风险进行了预测。实证结果支持SVM方法预预能力出色的理论优点。
SVM虽然原理复杂，但是参数设定方便编程容易运算快捷且操作性强使得预测完全可以从理论走向具体应用具有广阔的应用前景。本书读者可以是金融市场各类投资者预测工作者经济和金融分析师不同层级的管理决策者也可以是从事预测统计和计量分析的研究生科研人员和高校教师。