股票市场是一个复杂的非线性系统,传统量化选股模型大多是直接依据数据建模,没有筛选变量,具有很大的局限性。本文使用随机森林处理变量,提出基于随机森林的支持向量机模型,提高了模型的识别精度。同时将随机森林与主成分分析的降维效果进行比较,结果表明,基于随机森林的支持向量机模型的分类准确率要高于基于主成分分析的支持向量机模型,具有更好的实用价值。