《表6 隐藏层神经元数的稳健性检验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《机器学习融合ARIMA模型的离岸人民币汇率预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

隐藏层神经元数量对于神经网络的表现有着较为重要的作用，隐藏层神经元越多，模型就越复杂，但拟合出更复杂的模型，也很有可能因过拟合而使样本外绩效表现变差。为了检验隐藏层神经元数对模型预测效果的作用，本文分别选择1、2、5、10、15、20、30、40个神经元数进行分析，表6报告了不同神经元数的样本外预测效果。可以看出，神经元数量的增加并不会提升神经网络的预测效果，在所有8个模型中，只有1个隐藏层神经元的神经网络表现最好，表现最差的是有5个隐藏层神经元的网络。但总体而言，无论选择多少个隐藏层神经元个数，模型都能实现对汇率序列很好的预测。相比于表1中的单一预测模型，表6中的所有模型都拟合得更好，说明隐藏层神经元个数虽然对神经网络的表现有一定的影响，但并不影响本文的研究结论。