摘要：提出了一种改进的神经网络预测两个金融时间序列的交叉相关(cross-correlation)系数。为了得到金融数据集的波动,对传统BP神经网络进行了改进得到了一种指数BP神经网络,通过计算输入向量与其权值向量之间的点积,不仅对每个神经单元进行局部信息处理,还通过在输入向量的指数型函数及其相应的新权向量之间增加点积来进行处理。该预测模型改进了神经网络的激活函数,并对特定输入输出变量的交叉相关预测进行了探讨。实验证明,所提模型有利于提高预测精度。