外汇市场是一个复杂多变的市场,具有高度波动性的特征。汇率的形成机制和影响汇率波动的因素也非常复杂,是一个非线性系统,很难进行准确的预测,因此外汇汇率预测成为目前数据挖掘领域的研究热点和关注焦点之一。而神经网络作为非线性动力学系统,具有高度的非线性全局作用、良好的容错性与强大的自适应自学习能力,理论上,神经网络能以任意精度逼近非线性系统,在解决外汇汇率预测这类高度非线性问题上具有独到的优势。概率神经网络(Probabilistic Neural Network,简称PNN)是利用贝叶斯定理和基于风险最小的贝叶斯决策规则对新样本进行分类的神经网络。这种基于统计原理的神经网络模型,具有训练时间短且不易收敛到局部极大点的优点,但其网络结构限制了它只能作为分类器输出分类结果。论文将概率神经网络应用到汇率预测这一新领域,并针对概率神经网络的特点,对汇率数据进行了预处理,通过对汇率波动率进行分类,实现了定性和定量的转变,以便概率神经网络能对汇率趋势进行预测。在基本概率神经网络汇率预测模型中,通过变换输入向量维数进行实验,最终得出最佳输入向量嵌入维数。在此模型基础上,应用粒子群优化算法对概率神经网络的平滑因子进行优化,并应用到汇率预测中,得到了比较好的结果。最后针对粒子群算法容易陷入局部最优的情况,对粒子群参数惯性权重进行了动态调整,经过验证,提高了预测准确率,有一定的实际应用价值。