自“811汇改”以来,人民币汇率波动幅度逐渐增大,汇率的波动风险增加了政治决策的难度,因此,管理和控制汇率风险具有重要意义。其中,J.P.Morgan于1993年提出了线性期望理论框架下的风险度量指标——VaR,但是VaR缺乏衡量极端情况下损失的能力。非线性期望理论的出现指引了经典概率空间下风险度量指标的改进方向,非线性期望理论较经典的线性期望理论能更好的描述实际中的动态变化。由此,本文主要研究非线性期望理论框架下的风险度量指标——G-VaR。目前,G-VaR是有效度量股票风险的指标,而汇率作为重要的宏观经济变量受经济政策不确定性的影响较大,G-VaR预测方法无法从多时间尺度分析经济政策不确定性对汇率波动的影响,从而限制了 G-VaR预测精度。因此,本文提出将EEMD方法融合到G-VaR预测方法的框架中,假设EEMD方法将汇率收益率序列分解为次线性期望下相互独立的分量,在此基础上深入分析经济政策不确定性对各分量的影响。本文以美元兑人民币汇率、欧元兑人民币汇率和日元兑人民币汇率为例,通过EEMD方法实现汇率收益率序列的独立分解,假设汇率收益率序列分解为次线性期望下相互独立的三个分量——高频、低频和残差项。对于平稳的高频分量,本文使用ARMA-GARCH模型提取其均值和波动率,并将经济政策不确定性指数作为政策性变量,使用GARCH-MIDAS模型预测其均值和波动率。低频分量的均值和波动率使用简单移动平均模型进行提取,并通过Attention-LSTM模型向前一步滚动预测。对于非平稳的残差序列,同样使用简单移动平均模型提取其均值和波动率,并使用ARMA模型进行预测。进一步,根据波动率的预测值选取最优窗口计算上波动率和下波动率的预测值。由于高频、低频和残差项在次线性期望下相互独立的性质保证了其均值、上波动率和下波动率的线性可加性,所以对各分量的均值、上波动率和下波动率的预测值进行线性组合求得原始序列相应的参数预测值,进而可得G-VaR预测值。为凸显本文提出的基于EEMD的G-VaR预测方法的优点,本文与其他G-VaR预测方法进行对比实验,并分别进行样本内预测和样本外预测的实证分析。选取二项分布检验、Kupiec检验、Christoffersen独立性检验和伯努利试验的似然比检验作为评价指标评估方法的预测性能。最终,无论是在样本内亦或样本外预测上的表现,本文提出的方法表现出了较好的鲁棒性以及普适性。