随着人民币在国际结算中的比重不断增加,美元兑人民币汇率的波动一直是投资者关注的焦点。汇率的波动对一国的经贸非常重要,由于汇率时间序列的非平稳和非线性结构性质,准确预测汇率时间序列是一项具有挑战性的任务,因此开发一种更有效的汇率预测模型对政府、银行、企业和个人等各种经济或管理实体体制具有重要的意义。本文的数据来源于S＆P Capital IQ和Wind数据库,选取了日均价数据,以及汇率日交易数据和股票数据共8个指标。首先对美元兑人民币的日度数据进行简单的描述性统计,再分别求出LSTM网络和ELM模型对汇率数据的预测值,将两种预测结果分别乘以通过改进的海洋捕食者算法优化获得的各自的权重,再将其相加,即可得到组合方法的最终结果,即构建LSTM-ELM加权组合汇率预测模型,其预测值为最终预测结果。本文分为一元预测和多元预测,一元预测即利用日均价数据来预测下一交易日美元兑人民币汇率,多元预测即利用汇率日交易数据和股票数据共8个指标预测美元兑人民币下一日收盘价。并且选用了两种不同分配方式的训练集、测试集即9:1和8:2,以探究不同的训练集、测试集分配对汇率预测的影响。将本文提出的LSTM-ELM加权组合汇率预测模型,与SVM、随机森林、ELM、LSTM、LSTM-ELM平均组合模型进行对比。实验结果表明,LSTM-ELM加权组合汇率预测模型在一元数据和多元数据预测方面,MSE和MAPE均最小,且R~2最接近于1,即本文提出模型预测精度更高,拟合效果更好,因此LSTM-ELM加权组合预测模型可以有效地进行汇率预测,另外若选用本文提出的模型进行汇率相关的预测,选用8:2的训练集和测试集的分配,预测效果会更好。