El tipo de cambio es una de las variables económicas más monitoreadas que refleja el estado de la economía a largo plazo, mientras que la afecta significativamente a corto plazo. Sin embargo, la predicción del tipo de cambio es muy complicada. En esta contribución, con el propósito de predecir el tipo de cambio, se utilizan redes neuronales artificiales, que han aportado resultados de calidad y valiosos en varios programas de investigación. Esta contribución tiene como objetivo proponer una metodología para considerar las fluctuaciones estacionales en la igualación de series temporales mediante redes neuronales artificiales, tomando como ejemplo el euro y el yuan chino. Para el análisis, se utilizan datos sobre el tipo de cambio de estas monedas durante un período de más de 9 años (3303 datos de entrada en total). Se lleva a cabo una regresión mediante redes neuronales. Se generan dos conjuntos de redes, de los cuales el segundo se centra en las fluctuaciones estacionales. Antes del experimento, parecía que no había razón para incluir variables categóricas en el cálculo. Sin embargo, el resultado indicó que variables adicionales en forma de año, mes, día del mes y día de la semana, en el que se midió el valor, han aportado mayor precisión y orden en la igualación de las series temporales.