近年来,随着我国利率市场化进程的不断加快,我国运用利率工具进行宏观调控的日益频繁,商业银行经营的利率环境波动性加大,利率风险更加凸现。同业拆借市场作为银行及其他金融机构进行临时的、短期的资金拆借市场,是货币市场的重要组成部分。同业拆借市场的成交规模越来越大。随着同业拆借利率变动越来越频繁,这对作为同业拆借市场主要参与者的商业银行来说,其波动风险不容小觑。因此,准确的预测同业拆借利率趋势,对于商业银行防范同业拆借利率风险有着重要的意义。本文以支持向量机理论为基础提出了一种预测同业拆借利率的新方法。首先介绍了国内外对于利率预测方面的研究。然后结合西方经济学的利率决定理论探讨影响利率的一些因素。从多个角度选取影响我国同业拆借利率水平变动的经济变量,包括人民币存贷款净额、汇率指标、货币供应量、固定资产投资、通货膨胀率、股市成交额、进出口差额等几个变量。接下来先从VC维和期望风险两方面对SVM理论基础进行阐述,重点介绍了SVM的原理(包括线性和非线性回归)。再从调整模型的支持向量的个数着手,对SVM模型中的核函数进行改进,在模型的推广能力和精确度之间寻找一个平衡点。最后针对我国同业拆借利率的预测进行仿真实验。先从做基于SVM的时间序列同业拆借利率的实验,然后从同业拆借利率的影响因素出发,选取可能的经济变量对利率的走势进行实验。通过对二者进行比较分析,找出合适的预测方法。最后做出一个同业拆借利率预测系统的框架并进行完善。本文通过对预测结果分析发现,基于时间序列的利率预测方法短期内(大约4个月)预测精确度比较高,比ARIMA方法有更好的预测精度,但时间过长则预测误差变大；而从利率影响因素出发对利率进行预测,中长期预测结果拟合度较好。在实际预测时将二者结合,即可对同拆借利率走势进行准确的预测。