随着中国经济的蓬勃发展和国际贸易的不断扩大,人民币的国际地位也越来越高。2010年以来,离岸人民币交易受到央行的大力支持,取得了长足的发展。离岸人民币,又称“CNH”,是一种可以在中国境外流通的人民币。由于中国在岸人民币汇率和离岸人民币汇率的形成机制不同,导致它们之间存在天然的价差,并且这个价差波动较大。形成在离岸人民币汇率价差的根本原因是资本管制,然而,解除资本管制是一个渐进的过程,不能一步到位。在短期内,在离岸人民币的汇率差异受到市场预期的影响很大。因此,中国央行和外管局有必要利用自身的信息和专业优势,在合适的时机向市场传递准确的信息,减少市场干扰,通过管理预期来避免市场非理性行为和汇率波动,从而促进汇率的平衡稳定。于是本文从央行信息披露的角度出发,构建了央行信息披露指标（CI）。由于央行货币政策和汇率政策等基本面的相关信息发布频率较低,通常是每月或每季度发布一次数据。然而,为了捕捉在离岸人民币汇率价差日数据所包含的有效信息,本文采用GARCH-MIDAS模型进行混频数据建模,将被解释变量设置为日度在岸离岸人民币汇率价差,将解释变量央行信息披露指标设置为月度数据,从而对在岸与离岸汇率价差进行预测。鉴于GARCH-MIDAS模型无法有效地捕捉在离岸汇率价差的变化,本文还将结合其他特征变量引入深度学习算法（CNN、LSTM）对汇率价差进行预测,并将参数调整到最优观察预测效果。为了更好的研究央行信息披露（CI）对在离岸人民币汇率价差预测效果的影响,本文还将引入不含CI的CNN-LSTM模型和含有CI的CNN-LSTM模型对汇率价差进行预测,并将其与上述GARCH-MIDAS模型、单一的CNN模型和单一的LSTM模型得到的预测结果进行对比,以期更好地预测在离岸汇率价差的变化。实证结果显示,纳入了央行信息披露指标的GARCH-MIDAS模型和CNNLSTM（CI）比不纳入CI的模型（CNN、LSTM、CNN-LSTM）效果要好,说明本文构建的央行信息披露指标纳入复合神经网络CNN-LSTM能有效地改善价差的预测效果。