在金融全球化进程的快速发展下，国家所面临的金融风险与外汇风险是复杂多变的，次贷危机、欧元区主权债务危机等都引发了全球性金融危机和经济衰退，进而加剧了汇率预测的难度。汇率已演变成一个非线性的复杂动态系统，利用传统的时间序列预测方法很难有效地分析汇率的变动趋势。为了更好地分析汇率的内在规律以降低汇率波动风险，本文尝试采用基于小波分析和PSO-WLSSVM模型的汇率预测方法进行研究。本文首先对汇率预测的研究发展和各种时间序列预测方法进行了较全面的回顾；然后分析了小波分析和支持向量机在汇率预测方面的可行性，并介绍了小波分析、最小二乘支持向量机（LSSVM）和加权最小二乘支持向量机（WLSSVM）的理论基础以及其在具体应用中的各种原理；接着为解决WLSSVM模型在预测回归时所存在参数选择困难的问题，本文从核函数、正规化参数的选取两个方面进行了详细的探讨，包括参数敏感性分析、粒子群算法的改进等；在此基础上构建了汇率预测模型，即从选取小波函数、确定序列滞后阶数以及基于交叉验证法-粒子群算法（CV-PSO）的WLSSVM模型参数优化设计等方面进行构建；最后通过应用研究以验证模型的有效性。本文研究的重点在于两个方面：一是利用小波分析对汇率数据进行去噪与重构；二是构建PSO-WLSSVM模型对去噪后的数据进行回归与预测。本文采用人民币兑英镑的汇率数据进行应用分析，以验证模型的有效性。应用结果表明：采用小波分析进行数据前期处理可以更好效地分析汇率时间序列的波动性和变化规律，提高了汇率的预测精度；而采用基于改进PSO-WLSSVM模型的预测精度比一般的支持向量机模型的预测精度要高，且有更好的拟合和预测效果。进一步表明本文所构建的小波-PSO-WLSSVM模型在汇率预测方面是可行有效的，从而为汇率预测研究提供科学合理的有效工具，因此有着重要的理论价值和现实意义。