进出口贸易的预测与预警分析已经成为经济学研究领域的一个重要课题。从预测而言,国内外学者的研究主要存在三个方面的问题:第一,对进出口贸易的预测,需要大量的数据来支持,一旦只有小样本数据时,预测效果就会表现得比较欠缺,而在中国各地区进出口数据近几年才有一个详细的统计,其数据样本并不长,这就使得小样本建模比较困难;第二,由于预测时间的加大,预测的精度将进一步降低,这是许多预测模型都存在的问题;第三,对于小样本数据的非平稳性,没有一个合适的处理方法。为了解决这一系列的问题,本文进行一些新的尝试,采用改进的GMDH(Group Method of Data Handling)方法对小样本数据建模。首先,本文在分析和总结了进出口预测及其研究现状之后,根据当前四川省进出口贸易数据成小样本的情况,引入了一种有效的方法—GMDH预测模型,避免了传统计量经济模型无法处理小样本数据的缺陷,提高了预测的效果。其次,虽然引入GMDH预测模型解决了小样本的建模问题,但是,考虑到随着预测时间的加大,如:12个月的中长期预测;其预测的精度将降低,为了进一步提高预测的效果,借鉴了GMDH两水平预测模型。这种建模方法是将下水平的模型可预测的范围扩大到上水平的模型之中,也是就把月均值数据的短期预测范围扩大到季均值的预测范围。这样就可以解决了GMDH预测模型的中长期预测效果的不足,使得进出口贸易预测精度得到进一步的提高。最后,GMDH两水平预测模型针对于非平稳数据进行建模时,将会产生较大的误差,为了降低误差,提高预测的精度,本文引入了自动搜索多结构突变点的方法,调整进出口贸易数据的非平稳性,并对GMDH两水平预测模型进行改进,建立了基于GMDH自动搜索多结构突变点的两水平进出口预测模型。为了保持对外贸易的可持续性发展,我们在做好预测的基础上进一步对各种主要出口产品进行预警分析,针对于当前使用最多的预警模型—Logit模型进行改进,引入GMDH组和算法,使用计算机自动寻找变量间的关系,建立基于GMDH的Logit预警模型,并根据四川省的特色,对主要出口产品进行逐个的预警分析,这为政府部门以及进出口企业的决策等方面提供了重要的参考。