在众多金融研究话题中,汇率问题的热度一直高居不下。在经济社会生活中,汇率一头牵着国家的宏观调控和经济政策,另一头和国际经济稳定相挂钩。人民币国际化速度的逐步加快也进一步增加了人民币汇率的波动频率和幅度。而国际贸易和金融投资自然受到汇率波动性影响,如果其过大,在投资时风险也相应大。准确预测汇率波动性,把握汇率高波动率区间,是防范贸易、投资等领域风险的重要方式。美国作为世界最大经济体,自然不可忽视地位特殊的美元指数,美元指数作为衡量各种货币强弱的尺度,美元指数波动也会对人民币汇率变化造成一定影响。因此,分析人民币汇率和美元指数的波动性以及预测它们的波动率都具有相当的现实意义。本文研究的是外汇市场中较有代表性的两种外汇,即人民币汇率和美元指数。本文首先阐述了汇率的影响因素和波动性特征理论,并详细介绍了常见于人民币汇率和美元指数波动性预测的方法,分别依托于计量和深度学习。其次对数据特征进行计量探究,做了ADF平稳性检验、自相关Q检验等,证明了人民币汇率和美元指数收益率序列的“三性”:平稳性、自相关性和异方差性。并通过建立GARCH、EGARCH、TGARCH模型检验了序列的非对称性,同时以得到的计量预测的方差方程作为波动率预测的基础。再次,本文对GARCH族模型、LSTM模型及LSTM-GARCH族混合模型（单混合简称如LSTM-G、双混合简称如LSTM-GE、多混合简称如LSTM-GET）的预测效果进行评价,评价尺度以损失函数（RMSE和MAE）为主,以预测拟合图为辅。本文对人民币汇率和美元指数波动性的各个模型进行预测,预测效果主要用损失函数来评价。最终发现:第一,在GARCH族模型中,对人民币汇率而言,拟合效果排序为TGARCH优于EGARCH优于GARCH,对美元指数进行同样分析,得出相似结论。第二,两组序列均显示LSTM模型的拟合效果比GARCH族效果更佳。第三,对人民币汇率和美元指数而言,使用众多LSTM-GARCH族混合模型预测拟合时显示:单混合模型中,TGARCH和LSTM的混合模型（简称LSTM-T）的误差函数最小;双混合模型中,LSTM-GT（简称同理）的误差函数最小,且双混合模型优于单混合模型;LSTM-GET模型的拟合效果在众多模型中最佳。