随着人民币汇率市场化程度不断提高,其波动程度也不断增大,对人民币的预测显得越来越重要。近几年来,人工智能在许多领域都取得了巨大的成功,证明了自身的优越性,作为其主要组成部分的人工神经网络(ANN)模型已经逐渐被引入金融资产价格的预测研究中。本文将原本仅适用于二值型数据的Adaboost算法进行了优化,使其也能适应连续型数据,并用其确定混合模型的权重,解决了过往大多数研究中混合模型权重设定较为主观和随意的问题。在此基础上,本文融合了广义回归神经网络(GRNN)擅长预测趋势因素,而误差反传神经网络(BPNN)擅长预测随机因素的优点,组成了比单一神经网络模型更为强大的GR_BP_Adaboost强预测模型。最后,以均方误差(MSE)、平均绝对误差(MAE)和DM检验为标准,将GR_BP_Adaboost模型对人民币汇率的预测结果与传统的ARMA、ARCH和GARCH模型进行了对比,所有结果均表明GR_BP_Adaboost强预测模型的预测能力显著优于其他模型,说明人工智能预测技术相较于传统方法具有较大优势,也说明汇率市场不是弱式有效。