2015年12月1日,IMF宣布正式将人民币纳入SDR货币篮子。自此人民币正式成为首个加入SDR货币篮子的新兴市场国家货币。这象征着人民币在国际化的道路上又迈出了一大步。外汇除了作为国际结算的重要工具,同时也是国际资产管理中一项重要的金融标的。人民币想要真正成为在国际结算中有竞争力的货币,其币值的稳定性就得经受住市场的考验。众所周知,货币的币值是通过国际外汇市场上的供需决定的。如果外汇市场不是有效的,那么汇率的价格可能会对市场上的一些信息过度反应,导致汇率波动剧烈。因此,国际外汇市场是否满足有效市场假说就成为人们非常关注的一个问题。随着计算机运算能力的提升,基于具有预测能力的机器学习量化投资也逐渐走入人们的视野,机器学习已经被证明在很多领域,包括金融,都拥有着很强的预测能力和泛化能力。技术分析又是资产价格分析当中有着悠久历史的传统方法。本文将两者结合起来构建一个投资组合,试图通过投资组合持续稳定的获得超额收益,从而尝试检验Fama（1970）^[12]提出的有效市场假设,最终判断国际外汇市场上的定价是否有效。本文通过一个纯技术指标算法,以及机器学习的三种算法:支持向量机模型、AdaBoost支持向量机模型和人工神经网络模型来对SDR中五种货币之间的10种汇率组合在一周（5个交易日）和一月（20个交易日）的汇率走势分别进行预测和构建投资策略。用2012年5月到2017年11月5年多的数据,对四种算法回测。我们发现,在没有交易成本的情况下,纯技术分析没有超额收益,并且对样本外的价格变动方向没有预测能力（准确度低于50%）。其他的三个基于机器学习和技术分析的投资组合在样本外的预测能力都显著高于50%,并且有稳定的超额收益。在稳健性检验方面,训练周期上采用更近的,更短的训练集的预测能力会比更长的训练集来的更强,稳定性也更加出色。考虑手续费之后,机器学习和技术指标的投资组合都可以容忍5个基点以上的买卖价差,说明在大多数情况下,该策略还是能在交易中获得稳定的超额收益。最后综合来看可以通过这三个组合在考虑交易成本的情况下,能获得超额收益这一事实,证明外汇市场并不是一个有效市场。