2005年人民币汇率体制改革之后,我国开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。汇率不再固定不变,人民币持续升值。从2007年5月以来,美国次债引发的金融危机、经济危机在全球范围内愈演愈烈,美国老牌金融机构纷纷倒闭,国际金融体系危机四伏,在世界各国普遍采用浮动汇率制的情况下,汇率的波动极为频繁和剧烈。因而加强人民币汇率预测的研究工作对中央银行加强金融监管以及微观经济主体规避外汇风险都具有非常重要的意义。国内外很多学者都采用人工智能或经典计量经济学方法研究有关汇率预测的问题,但研究结果表明单独使用任何一种方法都有其局限性,因此本文采用蚁群算法优化GARCH模型进行实证研究,是人工智能与经典计量经济学的结合,有助于更好的解决汇率预测问题。本文研究以时间序列为基础的人民币汇率短期预测,选用汇率体制改革后的2005年7月1日—2009年4月30日人民币对美元日汇率作为研究的样本数据。首先,本文论述了人民币-美元汇率研究的现状,总结了汇率决定理论和预测方法的发展,并回顾了人民币汇率体制改革之路。接着深入学习和探讨了蚁群算法和GARCH模型的原理、特点、应用及研究现状,分析研究了两方法的共同点和相结合运用的可行性,建立了以经验和实验结果选定模型输入变量参数、以最大最小蚁群算法改进GARCH模型的预测方案(MMAS-GARCH)。根据样本区间上汇率时间序列具有自相关性和非平稳性的特点,分析了该模型预测的可行性,并使用优化的MMAS-GARCH模型对人民币-美元汇率进行了实证研究。和普通GARCH模型预测结果相比较,优化的MMAS-GARCH模型取得了更好的预测效果。研究最后,本文对以时间序列变量为基础的两种人民币汇率模型,即GARCH模型和MMAS-GARCH模型的预测结果进行了综合评价分析,并得出经最大最小蚁群算法优化的GARCH模型在人民币-美元汇率预测上优于普通GARCH模型的结论。