汇率是一个国家的货币折算成另一个国家的货币的比率,对引进外资、银行国际业务、国际储备资产管理、国际贸易及其风险管理、汇率制订和调整都有着十分重要的影响。自2005年7月21日人民币汇率改革以来,中国政府放松了对汇率的管制,人民币汇率的变动越来越剧烈,体现出从未有过的波动性和变化幅度。深入研究汇率行为,揭示其内在的运行规律,提高人民币汇率预测的精度,具有重要的意义。本文首先对汇率预测方法和模型的发展进行了较全面的回顾,详细评价了神经网络技术、数据除噪技术尤其是小波分析方法在金融领域,特别是在汇率预测领域的应用。考虑到汇率数据的非线性以及噪音污染性,以及神经网络和小波分析分别在非线性预测和除噪领域的优势,本文提出了一个基于小波分析和神经网络的汇率预测组合方法(WDANN)。该方法主要包括两个部分内容:一是用小波分析对汇率数据进行分解和重构,以消除数据中的噪音成分;二是用除噪后的数据训练神经网络,用训练好的神经网络进行汇率预测。本文采用人民币兑美元的汇率数据对模型进行了实证分析,检验模型的有效性。结果表明,经过小波除噪后,神经网络的样本外预测效果得到提高。同时,本文还考察了用不同的小波函数、不同的小波分解层数以及不同的小波阈值规则对汇率数据除噪的效果。通过试验比较了使用不同的小波函数、不同的小波分解层数以及不同的小波阈值对汇率数据除噪后神经网络的预测效果,发现当小波函数是coifN小波,分解层数为3层,小波阈值准则为sqtwolog准则时,对汇率数据的除噪效果优于其他的情况。