本文提出一种基于四维信息驱动的利率短期预测框架，借鉴“分而治之”的集成学习思想，将利率预测问题按照信息维度进行先验性拆解，针对传统端到端模型在利率短期预测中面临的数据频率错配、先验知识缺失与震荡市识别困难等系统性局限，构建四类子模型分别提取不同维度的利率驱动信号，并通过XGBoost 元模型进行多源信息非线性融合，输出明日利率上行、震荡、下行的三分类概率。