金融时间序列预测可能对个人和机构投资者都是有益的。 但是，财务数据中的高噪声和复杂性使这项工作极具挑战性。 多年来，许多研究人员已经非常成功地使用支持向量回归（SVR）来克服这一挑战。 本文提出了一种基于SVR的预测模型，该模型首先使用主成分分析（PCA）提取低维有效的特征信息，然后使用独立成分分析（ICA）预处理提取的特征以使特征无效。特征中噪声的影响。 根据16年历史数据，对孟加拉国达卡证券交易所（DSE）上市的三个不同行业的三只重要股票进行了实验。 针对短期预测，提前1至4天进行预测。 为了进行比较，将PCA与SVR的集成（PCA-SVR），ICA与SVR的集成（ICA-SVR）和单个S