钢材是最重要同时使用率最高的工业原材料,建筑行业的用钢量占国内钢材消费比例较重,尤其是螺纹钢,是我国产量最大的钢材品种之一。近几年,期货市场受供需关系和战略政策等因素所影响,螺纹钢价格一再剧烈波动,即将面临更大的国际市场挑战,所以对我国建筑业各个参与方来说一个举足轻重的问题是如何防御和规避期货螺纹钢价格波动引起的市场危机。本文以正确预测期货螺纹钢的价格趋势对建筑业的成本是否有一定的风险规避、价格预警的功能提出问题。使用BP神经网络和小波神经网络同时构建了2种期货螺纹钢价格预测模型,过程中创新点同时也是重点之一是利用Python编程语言对海量数据直接进行快速预处理。分别对每种模型进行了3组实验,分析实验数据中的误差率、收敛时间、准确度等方面,最终确定了最优化的2种神经网络模型,通过同等条件下的输入输出再次进行的结果分析比对。最后采用MIV值分析法和灰色关联分析法对输入值中的6个属性取值进行影响因素重要性分析。实验得出,BP神经网络能以较短的时间运行出准确度较高的数据,而小波神经网络运行时间高于BP神经网络的10倍以上,输出值的准确率相比也较低。从稳定性、准确性、收敛速度三方面分析说明本文构建的BP神经网络期货螺纹钢预测模型更优于小波神经网络预测模型。价格转折的具体点位虽然难以确定,但价格的整体走势则呈现出更强的规律性。从防御规避风险方面看,本文构建的预测模型能够满足建筑业中的业主、开发商、施工方、供应方等参与方对螺纹钢价格预测的需要。