【摘要】鉴于预警股票市场风险的重要性，为提高我国股票市场风险的预警能力，针对传统支持向量机(SVM)参数选择困难和预测精度不高等问题，基于灰狼优化算法(GWO)提出灰狼算法支持向量机(GWO-SVM)股票市场风险预警模型，并利用平均绝对误差(MAE)和均方误差(MSE)检验了有效性。研究结果表明，与SVM、GS-SVM、GA-SVM、PSO-SVM相比，GWO-SVM模型对日收益率预测的MAE平均降低了4%,MSE平均降低了5%,能有效提高股票市场风险的预测精度和效率。通过原始-预测数据的对比，GWO-SVM能较为准确地预测出股票指数的波动情况，为我国股票市场风险预测提供了新的思路。