汇率预测是一个重要的经济问题,已经引起了广泛的关注。然而,外汇市场是一个多变量的非线性系统,并且外汇市场中的各因素间的相关性错综复杂。因此,汇率预测是一项重要而富有挑战性的研究。神经网络作为非线性动力学系统,具有广泛的适应能力,学习能力,被成功地用于多变量非线性系统的建模和控制。20世纪90年代以来,神经网络在经济、金融领域得到广泛的应用,已经成为汇率预测领域的有效工具之一。前馈神经网络(FFNN)是一种常用的汇率预测算法,但它的缺点是学习过程中易于陷入局部极小。深度信度网络(DBN)是2006年新提出的一种神经网络,能够收敛到全局最优,从而得到更精确的预测结果。本文综述了汇率预测和深度信度网络的理论框架,研究了DBN的学习算法,并通过实验设计出DBN的最优网络结构。在此基础上,首次提出基于DBN的汇率预测方法,进行了相关实验,并对实验结果进行了分析。首先,对三种汇率序列数据做预处理,在训练阶段,我们将深度信度网络(DBN)与共轭梯度算法相结合,加快学习速度。测试阶段,使用四种评价指标来衡量算法的预测效果。最后将预测结果与前馈神经网络等几种经典算法的结果对比。实验结果表明,将DBN与共轭梯度法结合后,汇率预测的效果最好,具有良好的发展前景。