随着全球一体化的快速发展,世界各国间商务贸易不断扩大。汇率作为全球金融的纽带,对政府、企业和个人投资者的影响正日益增强。对政府决策而言,更好地了解汇率变动,及时提取有关经济和金融相关信息,制定具有前瞻性的金融货币政策,有助于促进本国经济的健康持续发展。对大型跨国公司和个人投资者而言,掌握汇率的波动规律,有助于他们及时、有效规避各类投资风险,减少因外汇汇率变动而带来的损失。因此,准确掌握汇率变动对政府、企业和个人投资者而言尤为重要。汇率的复杂性、波动性决定了对其进行有效预测研究应该从非线性角度着手。最近几年,随着深度学习算法的提出,人工神经网络得到了进一步发展,因其具有较强的非线性处理能力、灵活性以及鲁棒性,其在各行业包括金融的预测领域都得到了广泛的应用。因此,本文以人工神经网络为主要技术,建立了一类复合人工神经网络预测模型。考虑到汇率数据具有波动性、非平稳性等特点,首先,通过EEMD将原始外汇汇率数据分解为若干个正交、简单同质的数据分支,即几个本征模函数(IMF)和一个残差。其次,建立基于人工神经网络的智能预测模型,通过GA-SVM(GA-BP)等模型预测每个IMF和残差,然后利用另一个GA-SVM(GA-BP)将所有IMF和残差的预测结果集成得到输出结果。最后,对模型的预测能力、稳定性进行评估和检验,利用MSE、MAE、MAPE以及Dstat四种误差评估指标对建立的模型和其他对比模型进行比较分析;同时,以EEMD-GASVM-GASVM模型为标准,与其他模型两两进行DM检验。实证结果表明,本文所提出的分解集成复合模型的预测误差显著低于其他对比模型,稳定性也高于其他对比模型,这表明本文所提出的分解集成复合模型是一种有效的、稳定的技术方法,能够显著提高汇率预测精度,可将其尝试用于其他金融数据的预测研究。