人民币兑美元汇率是我国和美国之间经济关系的重要指标,自汇改以来,它的中间价变动幅度较大,究其原因是多样复杂的。要想及时把握汇率的变化信息,需要对汇率的时间序列进行短期预测,为国家以及企业或者个人在国际市场上的投资贸易活动提供决策依据。信息粒化在获得多元信息方面占有一定的优势,支持向量机(support vector machine,SVM)在解决非线性回归预测问题方面也已经相当成熟,基于信息粒化的支持向量机模型已广泛应用于金融时间序列的预测领域。本文采用模糊信息粒化的SVM模型对人民币兑美元汇率进行短期预测,选取2011年1月4日至2016年1月25日的人民币兑美元汇率中间价数据作为样本。首先对样本数据进行模糊信息粒化,将五个交易日作为分割的一个操作窗口大小,得到三个模糊粒子Low、R、Up,分别表示样本数据变化的最小值、平均值、最大值;其次,进行归一化处理;再次,采用交叉验证方法对归一化后的模糊粒子分别进行训练学习,得到支持向量机模型的最优参数;最后,采用支持向量机分别对三个模糊粒子数据进行预测,得到的三个模型的拟合优度分别为98.17%、99.03%、98.71%。得到的预测结果是:未来五个交易日汇率中间价的变化范围是(6.5507,6.5572),未来五个交易日汇率的变化趋势是下降的。经检验,这与实际情况是一致的。研究结果表明,模糊信息粒化的SVM模型应用于人民币兑美元汇率短期预测效果较好,且模型稳健,具有一定的应用前景。