中国目前是世界上最大的大豆生产国和消费国之一,2019年中国大豆产量虽位居世界第四,而大豆进口量占全球大豆进口量的60%,从而使我国成为最大的大豆消费国。因此,大豆价格的波动对于我国生产和经济都有着巨大的影响,也导致相关的豆农、批发零售商、进口商等直接面临了损失的风险。同时,基于近几年我国期货市场的不断发展,大豆的金融属性随之凸显,这也是大豆价格不断波动的重要原因之一。期货市场功能的完善,其对于实体经济的服务功能不断加强,也为了使大豆相关企业能够有效的规避现货价格的剧烈波动带来的风险,可以通过在期货市场的套利等操作对生产过程中涉及的相关品种进行保值。但是相对于国外期货市场成熟的套利理论和操作方法,我国豆类期货套利研究仍处于起步阶段,更多停留于理论验证,而非套利策略制定与研究。在上述研究背景下,通过前人对豆类期货套利的研究,以及期货市场人工神经网络应用的研究,首先构建套利策略,制定符合神经网络模型的套利策略和传统统计模型的套利策略,其操作原理都是相同的。在数据方面,论文选用大商所上市的大豆一号、豆油、豆粕三种期货的1月、5月、9月合约构建价格时间序列,其原因是这三种期货的这三个月份的合约较其他月份在交易量、持仓量等相关指标上数据量相对较大,当价格出现较大或不合理波动时,市场有足够的流动性去发现真实价格,因此将三个月份的合约截至交割月份的前一月收盘价拼接成模型中所需的价格时间序列,分成样本内数据及样本外数据,并通过协整检验及ADF检验验证数据证明三种期货价格之间是存在较高的相关性的。论文首先通过构建LSTM神经网络模型对样本内数据进行套利策略的检验,证明套利策略切实可行,再通过样本外数据进行LSTM神经网络模型的实证分析,获得交易次数、获利次数占比、总收益、符号正确率、平均绝对误差等指标的相关数据。其次构建统计套利模型即均值回归模型与另一种神经网络模型BP神经网络模型与LSTM神经网络模型进行对比,在这两种模型的检测过程中同样通过样本内数据进行模型的检验,均证明这两种模型也均可用于套利,对比表明在样本外数据的实证分析中,LSTM神经网络模型的套利策略在以上指标中都要明显优于均值回归模型与BP神经网络模型。