.期权定价：Black-Schloes模型与BP神经网络模型.docVIP

期权定价：Black-Schloes模型与BP神经网络模型 1、相关定义 1.1、BP 神经网络的概念 BP 神经网络的应用已经扩展到各个领域,它按照误差逆传播算法对多层前馈网络 进行训练,BP 神经网络模型物理拓扑结构主要包括输入层(input)、隐藏层(hide layer) 和输出层(output layer),而且各层之间会实现全连接。 BP (Back Propagation)神经网络[22]是一种神经网络学习算法。其由输入层、中间层、 输出层组成的阶层型神经网络,中间层可扩展为多层。相邻层之间各神经元进行全连接, 而每层各神经元之间无连接,网络按有教师示教的方式进行学习,当一对学习模式提供 给网络后,各神经元获得网络的输入响应产生连接权值(Weight)。然后按减小希望输 出与实际输出误差的方向,从输出层经各中间层逐层修正各连接权,回到输入层。此过 程反复交替进行,直至网络的全局误差趋向给定的极小值,即完成学习的过程。 BP 神经网络具有自适应学习和记忆的功能,并且可以储存输入-输出模式的映射关 系,而不需要提前对其映射关系的数学方程进行揭示。BP 神经网络通过梯度下降法进 行学习,并通过逆向传播对模型的阈值和权值不断地调整,从而达到使其误差平方和最 小的效果。 1.2、人工神经网络的定义 人工神经网络系统是由大量神经元广泛互连形成的巨大网络系统,它 对人类大脑功