汇率是国际贸易中的重要的调节杠杆,其变动趋势直接影响到国际金融市场和国内经济的发展.近年来,人民币对美元汇率受金融危机影响变化较大,人们对汇率的波动越来越敏感.做好汇率未来走势的预测,对于国内外经济,或是企业、个人投资理财而言都起到重要作用,有着很大的现实意义.支持向量机(SVM)是二十世纪九十年代发展起来的统计学习理论的核心内容,其中核函数是它重要组成部分.支持向量回归机是将回归问题转换为分类问题的一种新方法.本文首先阐述了时间序列分析方法,着重叙述了AR (Auto Regressive)模型及它的参数估计和检验标准.然后着重叙述了支持向量回归机(SVR:Support Vector Regression)的来由、算法及核函数.最后结合AR模型和支持向量回归机的优势,由AR模型算出回归阶数,再构建支持向量回归模型：通过上面的AR模型算法与SVR算法结合的组合算法,利用实际数据进行分析验证,比较汇率预测结果与原始数据的差距,另外,参考其他论文的方法作比较,体现此结合得到的组合方法的有效性.在实例验证的过程中,重点探讨支持向量回归机中的各参数及核函数是如何选取的,这也为大家提供了支持向量机的参数取值方法.最后,文章对此方法可以进一步改进的地方做了展望.