汇率变幻莫测,它不仅可以影响个人的生活,公司的生长,甚至影响着一个国家的经济。千百年来人们一直在寻找一条通往公平与稳定的汇率之路,今天人们仍然在探索。汇率经常会出现变动,因为它会受到很多因素的影响：国际收支状况、顺差与逆差、通货膨胀率的高低、货币购买力、利率水平、国家的宏观调控、经济政策、外汇波动、政府的干预等,它们时时刻刻影响着汇率,并推动着汇率的变动。如何快速有效的进行汇率预测,是经济学家长期以来一直探寻的问题,由于汇率受到多种因素的影响,表现出不规则的非线性变化趋势,因此给其预测带来了很大的困难。神经网络具有很好的预测非线性数据的能力,因此为汇率的预测提供了一种现实有效的方法。首先,本文对选取的人民币兑美元数据进行了平稳性检验,发现汇率数据不平稳,故对汇率数据进行了平稳性处理,得到汇率波动序列数据,进而又对汇率波动序列进行了正态性及BDS检验,验证了汇率波动序列的非线性性。然后,本文利用神经网络中应用最广泛、最普遍的同质神经网络即BP神经网络对人民币兑美元汇率波动序列进行预测。虽然BP算法存在很多优点且被广泛应用,但它也有很多缺点,如容易陷入局部最优、收敛速度比较慢、输入神经元数目、隐含层数及每层神经元节点数难以确定等。最后,本文针对BP神经网络存在的上述缺点,针对性的提出了相应的解决方法。首先为解决BP算法易陷入局部最优的问题,提出了附加动量法,为解决神经元输入数难确定的问题,选用了自相关准则(Autocorrelation Criterion,AC)来确定输入神经元数,并利用样本均值转折点检验(MCPT)法来选择样本集合最佳样本数。将改进的BP神经网络算法应用到人民币兑美元汇率预测中,并利用误差检验指标对预测效果进行了检验,结果证明了改进算法的可行性。