汇率既是联系国际间经济往来的纽带,也是可以及时有效地反映一国经济稳定与金融安全状态的重要变量。近年来中欧经贸关系的突飞猛进、欧元国际地位的迅速上升以及2005年汇改后人民币放弃单一盯住美元等因素都使得人民币兑欧元汇率受到越来越多的关注,特别是全球金融海啸爆发后人民币兑欧元汇率行为变得更为复杂,对其准确描述与预测也迅速成为中国外汇管理的关键环节。本文综合考虑了汇率行为的多尺度复杂性,以及现有汇率预测研究中神经网络模型应用的局限性,在对研究期内的人民币兑欧元汇率数据进行正态性检验、非线性检验以及混沌性判别的基础上,提出将多维空间聚类UKW算法与动态反馈神经网络组合构建汇率预测模型的方法,同时优化神经网络的输入变量和学习机制。实证分析从样本内拟合、样本外预测及显著性检验三方面系统地比较了4种神经网络模型在不同参数条件下的预测能力,结果表明结合UKW聚类与层反馈RNN2网络构建的预测模型为人民币兑欧元汇率行为描述与预测能力最强的模型。本文采用UKW聚类结合反馈神经网络的方法实现了对汇改以来的人民币兑欧元汇率行为较为准确的描述与预测,研究结果为制定与汇率有关的宏观经济政策、规避外汇风险等决策均具有一定的现实指导意义。