商品期货出现以后,一直是生产企业、投资者和政府管理部门的关注重点。商品期货不仅有着价格发现的作用,而且还具有风险投资的功能,吸引着投资者进入市场。目前在商品期货市场的相关研究中,有一个重要的方向就是通过预测商品期货价格,进而构建出有效的量化策略,帮助投资者更好地规避风险,获得超额收益。本文选取了商品期货中有代表性的豆粕、沥青、白银和PVC期货作为主要研究对象。在研究BP神经网络和卡尔曼滤波的原理及特点之后,基于卡尔曼滤波改进BP神经网络,并将改进模型应用到商品期货的价格预测中。通过商品期货的历史数据,使用卡尔曼滤波—BP神经网络模型对其进行价格预测,并与其他预测模型比较。对比不同预测模型的预测结果和误差,发现商品期货的价格时间序列含有较多噪音,BP神经网络模型对价格预测不够精确,预测价格的波动性大,而卡尔曼滤波—BP神经网络模型可以有效降低输入数据中的噪音,训练效果更好,能够更准确地预测价格,预测价格曲线较平稳。最后基于卡尔曼滤波—BP神经网络模型建立跨期套利策略,验证其在实际应用中的效果,并同传统基于协整的跨期套利策略相对比,发现基于神经网络的跨期套利策略机会更多,收益率提高。预测模型能在一定程度上指导投资者构建量化策略。本文探讨了基于扩展卡尔曼滤波改进BP神经网络并将改进后的模型用于预测商品期货价格的可行性和有效性,并基于改进后神经网络模型构建量化投资策略,为投资者提供一定的参考意见。但是本文还存在一些缺陷,如商品期货样本的种类较少、时间跨度短。只有不断改进模型,才能更好地面对商品期货市场上复杂影响因素带来的挑战,更好地为投资者提供帮助。