近期,针对美国将中国列为汇率操纵国的问题,人民币兑美元汇率成为人们的关注热点话题,研究人民币兑美元汇率有现实意义。本文采用非线性时间序列和神经网络模型的方法来研究人民币兑美元汇率序列。在实证部分,本文选取了从1994年3月14日起至2010年4月14日的人民币兑美元中间价作为研究对象,通过一阶对数差分将汇率序列平稳化为汇率波动序列,并对汇率波动序列进行一系列非线性检验,如JB正态分布检验、自相关检验、BDS独立同分布检验以及ARCH异方差检验。检验的结果说明,人民币汇率波动序列是非正态的,具有“尖峰厚尾”性,且其具有两阶自相关性。其残差序列是非独立同分布的,同时汇率波动序列还存在ARCH效应。在汇率波动序列非线性的基础上,对其采用非线性的神经网络方法建模。神经网络模型选择了从2007年1月4日起至2010年4月14日止近3年的798个数据作为样本,其中前768个数据用于网络学习建模与样本内预测效果分析,后30个数据作为样本外预测。在神经网络参数的设计中,经过试验确定了AC准则最优滞后期分别为6、7、10,确定了网络输入神经元和隐层神经元的数目。在不同自由度的基础上进行MCPT检验寻找最佳训练样本,并在网络中训练得到所有自由度的最佳训练样本均为768。在这些参数的基础上运用MLP和ELman网络对汇率波动序列进行拟合预测,MLP(10)网络在样本内的预测效果最佳,而ELman(10)网络在样本外的预测效果最好。鉴于MLP网络可能存在“过拟合”问题,认为ELman网络更适合于汇率波动序列。本文仅选用了两类神经网络模型来预测汇率波动序列,且没有将ARCH模型与神经网络模型进行对比,这些是本文研究中存在的不足之处。