1994年人民币汇率体制改革以后，我国开始实行以供求关系为基础的、有管理的单一浮动汇率。随着经济全球化发展速度的日益加快，人民币汇率市场化将成为必然趋势。因此如何建立适合的数学模型，准确的预测未来一定时期我国汇率变动的方向和程度具有非常重要的意义。 本文的主要工作如下： 1、对人民币汇率研究工作进行了综合评述。人民币汇率问题的研究数量较多，涉及面很广，很多工作比较深入，但总体上偏重于均衡汇率的确定，数量工具应用较少，支持向量机的应用尚未见报道。 2、对西方汇率决定理论进行了详细的论述。汇率理论是研究和预测的指导，对汇率影响因素的分析和预测变量的设定有重要的意义。论文讨论了汇率理论的演变，比较深入的分析了各个因素对汇率决定和变化的影响，为人民币汇率预测变量的设定和预测模型的建立打下了基础。接着结合我国的汇率形成机制和影响因素的特殊性，分析了影响人民币汇率的各种因素，建立了人民币汇率决定模型。 3、深入分析了统计学习和支持向量机的基本理论与特点。传统的统计学研究的是样本无穷大时的渐近理论。然而在实际问题中，样本数目往往是有限的。现有的基于传统统计学的学习方法在有限样本情况下难以取得理想效果。统计学习理论是在有限样本情况下建立起来的统计学习理论体系，它为人们系统的研究小样本情况下机器学习问题提供了有力的理论基础。支持向量机是在该理论体系下产生的一种新的、非常有力的机器学习方法，由于使用结构风险最小化原则替代经验风险最小化原则，它能较好的处理小样本情况下的学习问题。又由于采用了核函数思想，它能把非线性问题转化为线性问题来解决，降低了算法的复杂度。 4、详细介绍了序列极小化算法，探讨了回归支持向量机的模型选择问题，讨论了核函数σ、调整参数C以及不灵敏参数ε的选择方法。 5、特征选择是经济预测中的一个重要步骤，基于汇率预测指标之间存在相关性和冗余，本文提出了一种新的经济预测指标选择方法-SVM预测指标选择方法。 在上述工作的基础上，本文建立了基于结构变量的支持向量机汇率预测模型，对1994-1997年的人民币汇率进行了预测，并将预测结果与BP神经网络模型相比较，得出支持向量机具有较强推广性的结论。 最后，对论文的研究内容进行了总结，分析了存在的问题并探讨了未来基于支持向量机汇率预测的研究方向。