随着中国加入世界贸易组织和推动汇率制度的改革,人民币汇率的行为日益复杂,传统的基本分析方法与技术分析方法已经难以捕捉人民币汇率行为的全部特征,也难以进行准确、有效的预测。同时,考虑到欧盟已连续多年成为中国的最大贸易伙伴,两方的贸易总额逐年增加,本文提出一种基于光顺样条滤波与径向基神经网络相结合的组合预测模型,旨在更好地捕捉人民币兑欧元汇率的特征,改善神经网络对数据的学习能力,进而提高模型的预测效果。本文首先回顾了汇率预测的理论与方法,讨论了人工神经网络、非参数估计技术特别是光顺样条滤波的原理及其在汇率预测领域的应用。然后从光顺样条(Smoothing Spline, SS)滤波的原理出发,提出一种针对汇率序列的多层次分解算法,并将该分解算法与径向基(Radial Basis Function, RBF)(?)神经网络组合构建汇率预测模型。最后针对人民币兑欧元汇率序列进行了实证分析,结果表明该模型拥有比传统BP神经网络与单一的径向基网络更优秀的预测能力。本文运用光顺样条滤波与径向基神经网络对人民币汇率进行预测研究,不仅可以为中央银行制定与汇率有关的经济政策提供建议,而且能够为企业、投资者制定规避外汇风险的决策提供帮助,具有一定的现实意义。