螺纹钢作为钢铁产业最主要的终端产品,目前其用途十分地广泛,自2009年螺纹钢期货的出现,使得其上下游产业链又多了种全新的避险思路,螺纹钢期货也已经成为相关企业最重要的套期保值和规避风险的工具之一,而螺纹钢又是上期所成交量最大的品种,因此研究螺纹钢期货的交易策略具有重大的现实意义。根据现有的量化交易的文献研究表明,由于金融时间序列具有非线性、非平稳以及高噪声的特性,所以预测的难度极高,机器学习在国外已经十分成熟,在国内尽管不够成熟,但是这一概念在国内迅速发展,也被广泛使用在金融领域,最常用的对股票和期货等金融工作进行价格和涨跌趋势预测的方法主要为支持向量机、神经网络、K邻近算法、随机森林等。基于支持向量机模型较好的二分类属性以及长短期记忆网络模型在金融时间序列的预测上的广泛应用,本文提出了利用支持向量机模型和长短期记忆网络模型来分别对螺纹钢期货的涨跌和收盘价进行预测。并且结合这两种模型的预测结果制定交易策略。在合约的选择上,由于交易数据的连续性,本文将选择螺纹钢的主力连续合约作为研究对象。考虑到数据的可获得性以及操作的简易性,本文的交易策略主要采用日内交易,因此期货的数据也选用日内交易数据。根据以往的一些文献研究经验,变量的选取主要是结合基础行情指标和技术指标这两套指标体系作为输入变量。在模型的构建上,本文分别构建基于高斯核函数的支持向量机模型对螺纹钢期货的收盘价涨跌进行预测以及基于Adam优化算法的长短期记忆网络模型对螺纹钢期货的收盘价进行预测,制定基于这两种模型混合的交易策略——当两种模型同时释放相同的交易信号就进行多空操作,否则不进行任何操作。在对模型进行回测时,回测结果表明,基于混合模型的交易策略比两种单一模型都拥有更优的夏普比率以及信息比率,并且也获得了非常可观的累积收益率,验证了本文所指定的策略的合理性。