基于LSTM模型的商品期货跨品种交易策略研究.pdf

摘要

截至2023年末，我国期货市场上共有71种商品期货，处于产业链上下游或

是商品用途之间具有一定联系的商品期货逐渐增多，且价格和成交量各有特点，

这就为商品期货的跨品种套利提供了机会。同时，量化交易逐渐受到广大企业和

投资者的重视，而期货市场所拥有T+0交易、双向交易等机制使得投资者们能够

设计出更加灵活的量化交易策略。随着机器学习方法的快速发展，人工神经网络

以及其他深度学习模型已经被大规模地运用于对金融市场的时间序列数据的预测，

值得一提的是，深度学习在金融产品预测上的应用为量化投资带来了新的方法。

基于以上背景，本文从期货商品的基本面出发，参考市场上热门的商品期货

跨品种套利组合，结合了定性的基本面分析和定量的相关性分析方法选择出适合

用于套利的商品期货组合对。接着，使用基于5日滑动时间窗口的长短期记忆模

型（LSTM）对每对期货组合的收益率进行了预测，为后续设计跨品种套利策略提

供了品种选择基础。本文使用的多层长短期记忆模型（LSTM）可以有效地处理长

序列训练过程中的梯度丧失以及梯度的爆炸现象，并且在长序列的预测问题上表

现出了显著的优越性。最后，基于预测情况，选择期货组合中收益率绝对值最高

的组合进行建仓，对比在不同调仓周期、选择不同数量期货组合进行建仓下的策

略回测表现，并统计被策略选择次数最多的商品期货组合。

实证表明：（1）本文所构建的基于滑动事件窗口的多层LSTM模型可以稳定

高效地对多对期货组合收益率进行预测；（2）本文所设计的跨品种交易策略可在

不同调仓周期下取得不错的超额收益，且通过调整建仓的期货组合数量可以有效

提升策略套利效率，在调仓周期为10、20、30、40和50个交易日时，最高年化

收益率分别达到了95.07%、44.31%、8.55%、108.57%和43.81%，对应最大回撤为

26.29%、36.27%、64.25%、11.82%、11.94%；（3）本文所选取的18对期货组合

中，豆粕和豆油、聚丙烯和甲醇、菜粕和菜油、螺纹钢和铁矿石、螺纹钢和豆粕

这几组组合在策略回测时建仓的频率最高，说明具有较高的套利价值。

本文设计的基于LSTM模型的商品期货跨品种交易策略本质是一种选品种策

略，给企业和投资者提供了一种跨行业、多品种的量化交易思路，为交易品种的

选择和组合贡献了实践意义。

关键词：商品期货，跨品种套利，长短期记忆模型，量化交易

ABSTRACT

Bytheendof2023,thereare71kindsofcommodityfuturesinChinasfutures

market,andthereisagradualincreaseinthenumberofcommodityfuturesthatarein

theupstreamanddownstreamoftheindustrialchainorhaveacertainconnection

betweentheuseofcommodities,andthepricesandturnoverhavetheirown

characteristics,whichprovidesanopportunityforcross-speciesarbitrageincommodity

futures.Atthesametime,quantitativetradinghasgraduallyreceivedtheattentionofthe

majorityofenterprisesandinvestors,andthefuturesmarkethasT+0trading,two-way

tradingandothermechanismsthatenableinvestorstodesignmoreflexiblequantitative

tradingstrategies.Withtherapiddevelopmentofmachinel