随着全球一体化的加速发展与国际贸易范围的不断扩大,国际金融市场上涉及贸易往来的资金规模不断增大,互联网与高性能计算机技术的发展也促进了跨国贸易的发展,它们不仅使得国际间的贸易往来越来越频繁,而且使得形式也越来越多样化,汇率作为国际间经济贸易活动的重要纽带之一,发挥着越来越重要的作用。在人民币汇率改革之后,汇率形成机制的市场化特征不断增强,人民币汇率变动更加剧烈。近些年来,外汇市场受到东南亚金融危机,美国次贷危机以及欧债危机的影响,国际上主要货币的汇率走势依旧复杂难测,外汇市场风险不断增加,汇率预测与风险度量成为汇率研究领域的重要问题之一。同时,加强外汇市场汇率预测的准确度以及对汇率风险的管理对我国跨国企业经营活动十分重要。深度学习模型自提出以来,在图像识别、语音识别、分类、数据挖掘等方面都有着较好的表现,在处理非线性问题方面有着较高的性能。汇率的历史数据序列呈现显著的非线性特征。目前的经典模型都无法对这其中的内在关系进行较好的描述以及特征提取,本文将深度学习模型引入到金融预测与风险度量领域,对汇率市场历史数据中的复杂非线性特征进行建模分析。针对汇率走势的精确预测与汇率风险的精确估计问题,本文提出基于深度学习理论的汇率预测与风险度量模型。首先,本文介绍了深度学习模型近年来在图像识别、语音识别等多个领域的研究现状,然后提出一种新的基于深度学习模型的外汇市场汇率预测模型。之后基于VaR风险度量理论,提出一种新的基于深度学习理论的集成VaR风险度量模型。该模型将深度学习模型与ARMA-GARCH模型相结合,构建了 VaR估计模型。并且采用7个主流外汇市场的汇率数据进行实证研究,实证结果表明本研究中所提出的预测与风险度量模型具有较好的精确性以及可靠性。