1 简介
ＢＰ神经网络模型是目前应用最为广泛神经网络之一。它的本质是通过对历史数据的学习找出数据变化趋势之间的非线性关系，并通过输出量与预期值之间的误差不断调整网络中各个单元的权重，使整个网络的误差最小。因此，为达到较好的预测精度，需要对网络预测模型自身的结构进行确定。
１）网络层数的设计。本文需要构建的预测模型，主要是用于研究股指期货在短时间内收盘价格的走势。由于我国股指期货市场存在的时间比较短，历史数据有限。在这种情况下，不需选择增加网络层数的办法而是选择增加隐含层神经元节点的数目来提高输出结果的精度。因此，本文选用单一隐层的 ＢＰ神经网络模型。
２）输入层神经节点的设计。在单因素预测中仅使用股指期货每日收盘价格作为原始数据。选择５ｄ（一周的交易天数）作为预测的分析周期，即用５ｄ的历史交易收盘价格数据作为预测依据，依次将顺序５ｄ的数据作为 ＢＰ神经网络的一个输入数值，其后一天的数据作为网络数据的目标数据，因此，将输入层神经元节点数目设为５；在多因素预测模型中，使用合约的收盘价、成交量、ＯＢＶ 指标、ＷＲ１指标、沪深３００指数收盘价作为输入向量，输入向量共有５个，因此，输入层神经元节点数目也为５。
３）传递函数和学习函数的设计。本文所设计的模型均采用了相同的隐含层传递函数ｔａｎｓｉｇ、输出层传递函数ｌ
