在经济全球化背景下,汇率兑换成为连接国家间经济往来与资本流动的桥梁。欧元兑美元（EUR/USD）这一货币对在世界七大主流货币对占据首位,交易频率与交易总额均排在第一,它的变动深刻影响着全世界的金融交易与经济活动。因此对该货币对汇率进行前瞻性预测不但在宏观层面对一国整体金融环境、贸易、国际收支平衡的稳定、汇率制度的完善等方面有实际帮助,并且在微观层面上,对于企业合理套期保值、个人资产配置、外汇市场投资交易均有着重要影响。本论文首次提出了一种改进的基于循环神经网络模型结合小波变换数据处理方法的全新汇率预测模型,即小波-双向LSTM模型。通过使用过去10年的EUR/USD历史数据叠加应用经过调优的预测窗口期,再经本论文提出的双向LSTM模型训练,预测精确度可以达到68%,模型较好地捕捉到了去噪后数据的特征,这一精确度较之前学者提出的神经网络模型有了较大幅度的提升,并且在后续的量化交易当中表现良好。本论文使用小波变换对数据进行处理,对原始数据进行分解和重构,选择了合适的小波函数,基于各计算指标得到最佳分解层数为两层。该处理结果显示数据中的噪声被有效去除,原始数据的内在特征得到较好地保留。为了提高该双向LSTM模型预测精确度的可靠性,本论文使用包括ANN模型、传统LSTM模型、叠加LSTM模型、ANN-LSTM模型及SVM模型5种模型的预测精确度作为参考,建模结果显示双向LSTM模型性能最佳。通过分析各模型的损失函数曲线及准确率曲线,发现各个模型均未出现过/欠拟合现象,反向验证了小波降噪的有效性,本论文提出的双向LSTM模型具有良好的泛化能力。本论文的研究结果具有实际意义。为了进一步验证该双向LSTM模型的良好性能,本论文通过使用各个模型预测的EUR/USD汇率的涨跌方向来制定相应的量化投资策略,以此检验各模型在外汇市场交易中的实际应用效果,交易的时间区间设为2018.1.1-2018.12.31。在不考虑其他外在因素的情况下,本论文发现使用双向LSTM模型制定的量化交易策略的年化累计收益率最高,为47.68%,最大回撤仅为1.36%,在所有模型当中最低,模型在样本外数据中的表现仍优于其他对照模型,进一步验证了该模型良好的泛化能力。基于改进的LSTM-ANN模型及叠加LSTM模型达到的年化收益率分别为35.45%及45.68%,效果优于单一的神经网络模型ANN、LSTM以及SVM模型;基于SVM模型得到的年化收益率仅为32.16%,且最大回撤达到了3.51%,在所有模型当中最大。本论文的一系列数据处理及建模方法丰富了已有的相关文献。在此之前绝大多数学者使用传统的机器学习模型或者单一的神经网络模型来预测汇率,预测精度不高。本论文将小波变换引入汇率预测当中,对原始汇率数据进行分解和重构。本论文重构了传统LSTM模型,构建了基于小波变换的双向LSTM模型,并取得了良好的预测精确度,并且该模型在随后的量化交易实战当中表现最优。本论文的数据处理及建模方法具有理论与实践上的双重创新性,为后续汇率预测研究开创了新的方向。