利率作为资金的价格,是金融市场中最重要的变量之一,利率问题也是金融市场中最基础,最核心的问题之一。同业拆借利率是货币市场的核心利率,由于同业拆借市场交易量规模巨大且交易频繁,因此同业拆借利率远比其他货币市场利率更能反映市场动向。随着我国同业拆借市场交易量的激增,同业拆借利率的波动性不断加剧,这一定程度上影响了我国货币政策的实施和商业银行的经营管理。因此,是否能对同业拆借利率进行准确的预测成为摆在我国货币市场面前一个非常重要的问题。本文研究了我国同业拆借利率的预测模型,共分为五部分：第一部分讲述研究背景意义、研究现状和研究创新与局限。首先介绍了准确预测同业拆借利率的重要意义；然后综述了当前关于同业拆借利率预测的相关文献,指出当前关于同业拆借利率的预测大都建立在时间序列模型上；最后提出了本文的创新点和局限之处。第二部分为ARMA时间序列模型在我国同业拆借利率预测中的运用。首先介绍了ARMA模型的基本定义；然后根据Box和Jenkins的4步骤建模思想建立了ARMA模型；最终运用模型进行了样本内预测和样本外预测,并得出结论：AMRA模型在样本内和外预测中预测精度都比较高,但也存在着一些缺点：比如预测过程中存在滞后效应,不适用于波动剧烈的外部环境和长期预测乏力等。第三部分为BP神经网络在我国同业拆借利率预测中的应用。首先介绍了神经网络技术的相关概念和理论,并详细介绍了本章的建模基础——BP神经网络模型,这包括BP网络的学习过程、算法及优缺点等；然后通过对参数的设定和样本的学习建立了BP神经网络;最终运用BP网络进行预测,并得出结论：BP网络预测效果优良,特别是在滞后效应方面有了明显的改善,但也存在着一些缺点,如预测效果并不如ARMA理想,短期内预测误差的波动比较大等。第四部分为组合模型在我国同业拆借利率预测中的应用。本章分别介绍了三种组合模型：等权组合、最优加权组合和ARMA-BP模型,并运用这三种组合模型分别对同业拆借利率进行了预测。第五部分为结论。通过对前文五种模型预测精度的比较,这包括ARMA和BP模型样本内预测的比较,ARMA、BP、等权组合、最优加权组合和ARMA-BP模型样本外预测的比较,最后得出结论。纵观本文,本文在同业拆借利率的预测模型研究上做出了一定的创新,通过对各个模型的比较确定了ARMA-BP为最佳预测模型,较为准确的预测了我国同业拆借利率的价格水平和波动变化,对我国中央银行制定货币政策、商业银行进行资产负债管理组合均有一定的实际指导作用。