在我国的金融衍生品市场中,期货交易是金融衍生品交易的重要组成部分。随着计算机技术的发展,量化交易逐渐成为期货交易的一项重要工具,投资者通过构建量化交易策略从期货市场中获利。但是对于金融指标的预测及行情的判断则是获利与否的关键,因此准确预测波动率等金融指标对于金融机构来说具有重要意义。本文创新性地构建了一个传统量化策略与统计学模型相结合的一个量化策略,通过神经网络模型来预测已实现波动率,从而对交易与否做出判断,并且利用传统网格交易策略对市场波动较小的时期进行交易,从而获利。使用机器学习中的LSTM模型对期货价差的已实现波动率进行预测,同时创新性地引入注意力理论,在LSTM层之前添加注意力层构建注意力LSTM模型,并与普通LSTM模型和传统波动率预测模型GARCH对比。得出在期货价差的波动率预测上,Attention-LSTM模型优于普通LSTM模型与传统GARCH模型。本文在对螺纹钢期货价差波动率预测的实证分析中,选用每十分钟的数据预测下一分钟数据,为了防止过拟合加入Dropout,同时通过调参提高了模型的泛化能力。从结果上看,在验证集上Attention-LSTM模型的平均百分比误差以及均方误差都低于普通LSTM模型和GARCH模型,表明在期货价差波动率预测上Attention-LSTM模型泛化能力更优。在后续的量化策略回测中,Attention-LSTM构建的网格策略相比于其他两个模型有更高的收益率以及更小的回撤。总体而言,本文的研究有两个方面的贡献。首先,本文的研究有助于期货市场和传统量化策略与机器学习模型的结合。其次,本文构建的模型对后续期货方向波动率预测的研究有一定的参考价值。