投资收益在金融市场这个高度不稳定的环境中充满了不确定性。股票市场受到金融市场的不可预测性严重影响,因此持有一个能使风险达到最小的多元化投资组合毫无疑问是所有投资者所期望的。有效的价格波动预测可以高度影响这种组合投资策略的制定。本文根据股票的经济指标数据,利用高维聚类方法进行分类分组,对比找出相对值得投资的组合。对此建模预测收盘价。本文的金融时间序列为多变量时间序列。传统的时间序列模型对此类时间序列拟合和预测效果都不是很理想。因此,本文使用相空间重构思想,结合遗传算法对SVR(支持向量回归机)进行参数估计,找到最优延迟时间?和相空间维数m,预测影响收盘价的七个指标值,再通过LASSO算法预测收盘价。最后,通过预测后的收盘价波动趋势,判断投资时限。实证表明,通过对比金融数据的多变量时间序列高维聚类和单变量时间序列低维聚类,说明了多变量时间序列聚类的合理性。通过对比基于相空间重构的多变量预测与单变量预测,表明了前者比后者预测效果更好,误差更少,精度更高。在多变量预测收盘价方面,稀疏LASSO比SVR和ARIMA的预测精度高,更利于解释模型,更能捕捉到时间序列的波动趋势。投资组合交易策略的确定,可以使投资者减少风险和得到高利润率。