自从1973年西方各主要工业国家实行浮动汇率制度以来,外汇市场上的汇率波动频繁,不论是参加外汇交易的个人还是银行、企业乃至于主权国家,都面临着巨大的外汇风险。这在近二三十年来频繁发生的货币危机中得到了体现,对危机发生过的经济发展都造成了相当程度的负面影响。同时,外汇市场的交易规模已经远远超过股票、期货等其他金融商品市场,成为当今全球最大的金融市场。外汇市场上的参与者,比如进口商、出口商、投资组合的管理者以及各国中央银行等,如同生态系统中的各级食物链,市场规模的快速增大,让这种食物链关系更加复杂。这使得通过各种方法预测汇率的波动,变得极为迫切。对于汇率波动的预测不仅可以帮助外汇市场上的投机者制定交易策略,降低风险,更主要的是能够使得各主权国家可以根据市场的情况对可能的金融危机进行预警,防范金融风险,维护国家金融安全。本文首先总结归纳了影响汇率长期波动和短期波动的主要因素,现有的汇率预测方法研究主要是从基础变量和技术角度两个方面进行的,通过对这些工作进行比较,进而给出了基本的评价。但是由于外汇市场交易的复杂性,传统的宏观汇率决定模型已经难以实际预测汇率的短期波动。正是在这一背景之上,本文选择技术方法对短期的汇率波动进行预测,选取欧元美元的小时收盘价作为预测对象。本文的重点在于提出了基于市际(intermarket)信息的欧元对美元的非线性预测模型。我们使用多层前馈神经网络(MFNN-Multilayer Feedforward Neural Networks)作为非线形预测模型的计算形式。论文详细阐述了MFNN的原理,尤其是采用后向传递(BP)训练算法的MFNN的计算模型,并对现有的基于神经网络的汇率预测方法进行了大致的回顾和评价。接下来通过构建单市场和多市场的时间序列模型,对欧元美元的小时收盘价进行预测,并通过方向正确的命中率的方法来检验实际的预测效果。在单市场模型中,以欧元美元小时收盘价的历史数据作为神经网络的输入,实证表明,单市场模型的预测效果并不十分理想。在多市场模型中,首先分别将欧元美元、英镑美元、美元瑞士法郎、美元日元等相关货币对的历史价格信息作为输入,得到较为理想预测结果,其方向正确的命中率达到62.63%。多市场模型中还将美元指数以及经过换算后的欧元指数、英镑指数、瑞士法郎指数和日元指数作为输入进行预测,但实证表明,与单市场模型相比,其预测效果并没有明显提高。