外汇市场具有高流动性和高杠杆的特征,其独特特征为投资者带来了高收益同时也带来高风险。外汇交易主要通过预测两种货币之间的汇率方向来获利,因此判断涨跌的方向性至关重要。方向预测问题与典型的时间序列预测问题要求不同,适用的预测方法也不同,有研究指出机器学习模型特别是长短期记忆网络（Long Short Term Memory,LSTM）系列模型在外汇方向预测中非常有效（Shen et al.,2015;Galeshchuk and Mukherjee,2017;Y?ld?r?m et al.,2021）。本文依据行为金融学中的处置效应等理论研究,以及用历史数据分析得到汇率收益率具有涨跌不对称的特征,由此作为切入点拆分上涨和下跌进行模型改进研究。近期Y?ld?r?m et al.（2021）也用了LSTM模型进行预测欧元美元汇率的模型改进研究,但与之相比,本文考虑了更多汇率的预测,选取美元和澳元等共8种主要货币作为预测目标,改进后的模型更为通用。本文选取1726个交易日作为样本期,Y?ld?r?m et al.（2021）选取1214个交易日为样本量应用于LSTM模型,与文献相比,本文选取的样本量充足。此外,本文创新性地提出涨跌不对称性对外汇预测有重要影响的研究思路。本文首先比较随机森林模型和LSTM系列模型预测能力并选择其中预测能力最优的BLSTM作为基础模型,进一步基于涨跌不对称性思路建模,通过可预测方向性指标进行改进效果分析,最后针对不同投资人群构建了上涨策略和下跌策略进一步检验模型改进成果。实证结果表明:（1）在预测多种汇率时,BLSTM为最优模型,随机森林在此领域的预测效果不如LSTM体系的模型,而且LSTM和BLSTM深层网络更能适应不同长度的时间窗口。（2）外汇收益率涨跌不对称性对外汇预测的影响显著,将涨跌拆分进行预测最高可提高14.61%的准确率,改进后的BLSTM模型的汇率预测方向准确率大多在52%以上,因此需要在外汇预测模型中考虑涨跌不对称性特征。（3）经过涨跌拆分的改进模型具有经济含义,可以获得最高7.4550%的超额回报,涨跌拆分获取的收益比未区分涨跌预测获取的收益更高。虽然机器学习模型已在外汇领域得到应用,但与已有研究相比,本文的主要贡献在于创新性地提出涨跌不对称性对外汇预测有重要影响的研究思路,并提供了新的评估方法衡量模型方向性预测的改进效果,重点研究涨跌不对称性对外汇预测的重要影响,得出结论涨跌不对称性对外汇预测的影响显著,这为后续研究提供重要依据。