隐含层层数和节点数的确定:BP神经网络是一种具有三层及以上的前向网络,层数的多少主要在于隐含层层数的多少。但是,任何在闭区间内的一个连续函数都可以用单隐层的BP神经网络去逼近,因此一个三层的BP神经网络就可以完成n维到m维的映射,所以本文实验均设计一层隐含层,也就是三层BP神经网络进行建模预测。
输出层节点数的确定:由于本文研究的主要目标是对沪深300股指期货价格走势的预测,所有的输入变量通过BP神经网络训练学习得到的最终的输出变量只是收盘价这个单一的变量,因此本文的实验输出层节点为1。
提高模型最终的预测精度的方式有两种,一种是通过增加隐层的层数来优化精度,但不足之处在于层数增加会导致网络学习难度增加,耗时长;另一种就是确定最优的隐层节点数。在已经确定隐层的层数情况下,隐含层节点的确定是整个神经网络结构确定的至关重要的环节,不同数据处理方式的使得数据的质量不同,这也直接影响到BP神经网络结构上的差异,尤其是针对隐含层节点数。