人民币汇率制度改革使汇率机制发生了根本变化,该变化有利于使人民币汇率自动保持在与其购买力水平相应的、比较合理的水平,但人民币汇率的市场决定也必然会增加汇率风险。为了有效的防范汇率风险,就必须摸清汇率波动序列的内在性质。为了客观正确地分析出使用小波消噪GARCH模型后,能够对汇率波动的规律性更好掌握,本文首先介绍了小波分析理论,小波分析是近年来应用数学领域新发展起来的一个数学分支,它被认为是应用非常广泛的一种数学工具,它己被成功地应用于信号分析、图像处理、地震勘探和语音识别等领域中,其影响非常广泛。小波变换通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,是时间和频率的局部变换,能有效地从信号中提取信息,因而成为当前一种新兴的信号处理技术。小波变换在过程数据处理的信号去噪和数据压缩等方面的应用,愈来愈受到人们的重视.而在对现代金融市场研究的过程中,人们发现大多数时间序列诸如股票价格、利率、外汇汇率等的误差序列无自相关,但误差的平方序列存在自相关,即误差的方差或波动随时间变化。自回归条件异方差(ARCH)模型恰恰捕捉到经济类时间序列数据的这个特点。该模型是一种动态非线性的时间序列模型,它反映了经济变量之间的特殊的不确定形式:方差随时间变化而变化。但是我们得到的金融数据往往存在噪声的污染,因此本文尝试先用小波阈值去噪的方法对人民币对美元和欧元的汇率数据序列进行消噪,并对使用不同阈值函数和阈值计算的方法的结果进行对比,选取去噪效果最好的组合,然后用EGARCH模型对消噪后的数据序列进行拟合预测,把预测结果同单独地利用EGARCH模型进行预测的结果进行了比较。预测结果表明,基于小波消噪GARCH模型进行预测所得到的预测结果比单纯的GARCH模型预测所得到的预测结果好,可以对原数据进行很好的拟合,减少误差,提高预测精度。