随着期货市场的高速发展,期货市场参与者结构和品种之间相关性日益复杂,投资者通过跨品种套利交易获得稳定可观收益的难度不断加大,往往难以依靠传统计量模型得到较为精确的预测数据,从而获得稳定收益。长短期记忆模型能有效地处理海量非平稳数据问题并达到较好的预测精度,适用于投机过度、高换手率和日内波动频繁的有色金属期货市场,因此本文将LSTM神经网络模型引入到有色金属期货跨品种套利领域,以此设计行之有效的套利策略,从而获得稳定可观的收益。目前期货跨品种套利策略设计的主要理论分为传统计量经济理论和神经网络理论两个类别。传统计量经济学所采用的模型能够拟合平稳的时间序列,但在实际应用中存在过拟合、泛化能力弱和假设条件过于理想等问题,考虑到期货市场高频、震荡幅度大和多空并举的特点,期货价格作为时间序列数据在实际中不具备传统计量学要求的平稳性。而神经网络模型在非平稳时间序列预测领域具有高精度、自适应和海量数据处理优势,期货市场数据特征也高度符合神经网络的要求,因此,基于跨品种套利策略设计的相关理论,运用LSTM神经网络模型进行跨品种套利策略设计具备一定的可行性。跨品种交易策略设计主要分为品种间价差预测和交易信号制定两个部分,价差预测不仅需要确保品种间协整性,还需要在模型构建阶段充分考虑期货市场投资特征。本文对有色金属品种间相关性和基本面关联度进行对比分析,结果表明,沪铜期货与沪铝期货符合跨品种套利原则,本文选取沪铜和沪铝期货主连合约从2011年1月4日到2021年12月31日的日K线数据的每15分钟收盘价,根据协整理论确定套利组合配比系数,构建LSTM神经网络模型对套利组合价差进行预测,同时调整LSTM模型的遗忘门结构和损失函数,使模型更贴合期货市场实际投资,逐步遍历确定模型超参数,得到表现优于传统计量模型的预测数据。在取得预测数据情况下,阈值突破原则相比其他方式更适用于套利策略交易信号的制定,通过阈值调整的方式可以灵活控制策略风险偏好程度。以LSTM模型预测值与实际价差之间的差值为着眼点,当差值突破阈值时进行该信号相对应的交易,同时引用潜伏信号和暴露信号的设定,筛出偶发性的波动从而降低亏损。回测结果显示,基于LSTM模型设计的沪铜沪铝跨品种套利策略具有一定的可行性,能在获得43%收益的同时控制最大回撤在9%以内,同时胜率接近50%。本文考虑到模型输入单一、缺乏基本面分析支持等缺点,对单变量LSTM神经网络模型套利策略从技术分析与基本面分析两个角度分别进行优化。选用沪铜和沪铝期货主连合约最低价、最高价、持仓量和成交量等价量因子和注册仓单、库存量、GDP增长率和工业生产增长率等基本面因子,分别以价量因子与基本面因子与收盘价为模型输入,构建多变量LSTM模型,得到相对应的价差预测值,并沿用阈值突破的交易策略进行回测,结果表明价量因子优化后策略能小幅增加收益。根据神经网络模型以及期货市场投资特点,本文设计的策略适用于交易标的供需情况稳定、纪律性强的稳健型投资者,同时投资者在应用这个策略时,需要对交易标的与LSTM模型有一定了解,能随时间和个人风险偏好程度调整模型参数。