随着世界经济日益融合,汇率已成为跨越国界的重要纽带,对促进国际贸易和投资的均衡增长起到了至关重要的作用。为了加快人民币国际化的进程,中国政府部门不断加强对人民币的汇率改革,加快人民币与世界货币接轨的节奏。在此情形下,人民币汇率波动越来越受到世界的关注。由于市场的自我实现和增强的反馈效应,汇率容易出现一定程度的单向波动,这种波动可能会导致其偏离正常的均衡水平,并带来不可控的超调风险。因此,央行和外汇局应该充分利用其信息优势和专业能力,在适当的时机向市场主体提供准确的信息,消除“噪声”的影响,并采取预期管理措施,以防止市场失控和汇率波动,从而维护汇率的平衡与稳定。本文通过分析央行的货币政策和汇率政策,建立一个能够反映央行管理汇率预期的央行信息披露指数,并结合其他汇率的影响因素如广义货币供应量（M2）、居民消费者价格指数（CPI）、工业增加值增长率（IVA）、国际原油价格（OP）、中美利差（DR）和中国外汇储备（FER）来对人民币汇率进行预测。通过对汇率的准确分析和预测,可以更好地了解外汇市场的动态,支持政府制定精准有效的政策,保障国民经济的长期稳定增长,并且对于企业的规避金融风险以及个人合理的理财投资都具有深远的影响。本文采用EGARCH模型分别研究了“811汇改”前后和明显的升贬值阶段央行信息披露指数对汇率的影响,结果表明,央行信息披露指数在不同阶段对汇率均有显著性影响,因此可以作为汇率影响变量代入深度学习模型进行汇率预测。然后利用深度学习模型（CNN、LSTM、CNN-LSTM）对汇率进行预测。通过对比是否加入信息披露指数这一变量的预测结果,分析信息披露指数对提升汇率预测结果的有效性。此外,本文还将对比不同深度学习模型间的预测结果,选出较优的深度学习预测模型。实证结果表明,加入了信息披露指数这一变量后,各模型的汇率预测评价指标得到提升,说明加入信息披露指数后,提升了美元兑人民币汇率预测的准确性。同时,从加入信息披露指数后各模型的预测结果来看,LSTM模型的预测效果优于CNN模型,而复合的CNN-LSTM模型效果最佳,说明CNN-LSTM模型结合本文构建的信息披露指数,能够为市场提供了一种高效的汇率预测方法。