原理：全部使用线性激励函数的BP神经网络经过训练后，输出与输入之间是简单的线性关系；如果输入端是时间序列的话，对比训练后的权值分布，就可以了解输入层（也就是时间序列）各个节点的权重。
注：时间序列是按照时间顺序排列的数据序列，以便于使用1~t时刻的数据预测t+1时刻。这样的时间序列可以转化为t维的欧式空间，进而使用BP神经网络进行分析。
结论：
1、从1~t时刻，权重逐渐增加，t时刻的权重最大，也就是说，最近的价格对未来的影响最大；t-1时刻的权重也比较大；1~t-2时刻的权重就相差不大了。
2、形成时间为10的周期，每隔周期中第1和10的权重最大，换句话说，t-9和t时刻的权重比他们之间的权重都大。

分析：结论1很容易接受，越近的价格对未来的影响越大。
结论2的结果很意外，结果是如此明显，以至于偶怀疑是BP神经网络训练方法的关系，但是偶将时间间隔中1改为2，取1、3、5、7.。。做成时间序列，再次测试，这样的周期变为5，而5*2=10，实际的时间间隔还是10。偶没办法解释。

谢谢提供