随着国家改革开放和经济的发展,人们对于外汇的需求不断加强。国家对于外汇有着严格的管理和限制,但是也存在一些个人借用他人额度通过化整为零的分拆方式违规实现资金的跨境流动现象。这严重的违反了国家对于个人外汇支出的管理办法。因此,需要及时掌握外汇的分拆量和交易业务量的发展情况,以做出相应措施。为此,我们首先对预测模型的算法做出研究,并根据历史数据为基础,建立预测模型,对我们所提出的预测模型进行校验,以验证该模型的预测效果和精度。如何选择一个合理有效的预测方法,成为本文研究的重点。本文以灰色预测模型为基础,结合Markov模型和PSO算法,形成优化的GM(1,1)-Markov组合预测模型。灰色预测模型自提出以来,相较于其它预测算法,因对样本数据要求少、原理简单、计算方便等特点,得到了广泛应用。并在GM(1,1)的基础上,提出了无偏GM(1,1)模型,从而消除了 GM(1,1)模型存在的偏差问题,提升模型的预测效果。但是GM(1,1)模型只能预测出事物发展的总体趋势,使得预测的效果呈单调递增或递减趋势,而在随机波动性方面表现出的效果较差。因此,引入了 Markov模型,该模型适用于数据具有波动性的随机过程,从而形成组合预测模型。个人外汇业务量容易受到国家政策和国际形势的影响,具有不确定性和随机性。可以通过建立的GM(1,1)-Markov模型对个人外汇业务的分拆量进行预测,既得到了发展的趋势,又使得数据序列呈现出随机波动性。两种模型的组合使用,形成了优势互补,提高了预测的精度。为了预测模型的精度能够得到进一步的提高,引入了粒子群优化算法。其作为群体智能优化技术的一种,在数值优化问题上有着较快的计算速度和搜索能力,可以对Markov模型状态区间的取值问题进行优化。最终形成优化的无偏GM(1,1)-Markov预测模型。通过实验分析表明,优化后的组合预测模型具有更高的预测精度,效果更好。