La tasa de cambio de divisas es un vínculo crucial entre todos los países relacionados con actividades económicas y comerciales. Con la creciente volatilidad, las fluctuaciones de la tasa de cambio se han vuelto frecuentes bajo los efectos combinados de la incertidumbre económica global y los riesgos políticos. En consecuencia, la predicción precisa de la tasa de cambio es significativa para gestionar los riesgos financieros y la inestabilidad económica. En los últimos años, los modelos Transformer han atraído la atención en el campo del análisis de series temporales. Los modelos Transformer, como Informer y TFT (Temporal Fusion Transformer), también han sido estudiados extensamente. En este documento, evaluamos el rendimiento de los modelos Transformer, Informer y TFT basándonos en cuatro conjuntos de datos de tasas de cambio: NZD/USD, NZD/CNY, NZD/GBP y NZD/AUD. Los resultados indican que el modelo TFT ha logrado la mayor precisión en la predicción de tasas de cambio, con un valor de hasta 0.94 y los errores RMSE y MAE más bajos. Sin embargo, el modelo Informer ofrece velocidades de entrenamiento y convergencia más rápidas que el TFT y el Transformer, lo que lo hace más eficiente. Además, nuestros experimentos con el modelo TFT demuestran que integrar el índice VIX puede mejorar la precisión de las predicciones de tasas de cambio.