在经济全球化过程中,汇率作为两种货币的相对价格,在维持两国或多国之间经济交往方面,具有很重要的桥梁和纽带作用,而且这种作用正在日益加强。汇率是开放经济条件下的核心经济变量之一,联系着各种宏观经济因素、微观经济因素,影响着国民经济的内部平衡和对外平衡。因此对于国家或其它经济体而言,预测汇率具有重要的现实意义。对于企业等组织和个人而言,汇率预测也具有一定的实用价值。鉴于此,本文以汇率决定理论和支持向量机理论为主要理论基础,建立起预测汇率的指标体系,构建出以主成分分析和支持向量机为架构的模型,对汇率进行预测。在第二章中,本文首先介绍了五种汇率决定理论的提出背景、假设和结论,从中总结出了影响汇率的因素。然后,分析了支持向量机的基本原理,简要说明了主成分分析的基本原理和数据处理过程。在第三章中,按照一定的指标筛选原则确定了指标,建立了预测汇率的指标体系。将支持向量机和主成分分析组合,设计了组合模型的结构和处理流程。为了验证汇率预测模型的精确度,在第四章中实证了PCA-SVM模型的效果。采用人民币兑换美元的汇率作为研究对象,对实际汇率数据进行了预测。并与支持向量机模型和基于遗传算法的BP神经网络模型的结果做了对比。对比结果表明,主成分分析和支持向量机组合模型的预测精度最高,平均绝对百分比误差达到了0.38%,能够对汇率数据进行比较准确的预测。预测结果说明了本文建立指标体系的思路是正确的。也证明了利用主成分分析分析,不但能够简化支持向量机模型的输入,还能够提高模型的预测精度。