随着社会主义市场经济的快速发展，期货市场在整个社会经济中的地位显得越来越重要，尤其体现在规避现货市场的风险、合理配置社会资源和稳定金融市场秩序上，对期货市场有个准确的把握显得至关重要，体现到具体的量化指标上，也就是要对期货价格有个准确的预测。由于期货市场内部结构的复杂性，加之影响因素的多样性，现有预测方法在一定程度上还有改进的余地。正是基于以上分析，对期货价格走势进行一个合理的把握和准确的预测成了人们关注的热点。本文旨在建立一个能对期货价格进行准确预测的非线性集成预测模型，试图探求一种更有效的非线性集成方式，把更多、更有效的信息集成起来贡献于期货价格预测准确度的提高上。在这里作者使用此模型来对期货价格（以郑州商品交易所交易期货品种为例）进行预测，也是此技术首次对郑州商品交易所期货价格的预测。本文首先从期货市场的背景知识出发介绍了期货市场的基本知识，包括期货交易的概念与特点、国内外期货市场的产生与发展及期货的种类，同时归纳分析了期货价格预测的方法。然后选取了非线性集成预测所需要集成的单个模型，并且以非线性集成思想为核心，以人工智能技术为集成工具，将ARIMA模型、神经网络预测模型、VAR模型这些单个模型综合集成起来形成非线性集成预测模型。其次，为了使非线性集成预测模型包含更多、更精确的信息，必须使单个模型的拟合预测具有足够的精度。所以，针对ARIMA模型关键部分p值和q值的确定，在归纳和总结前人研究成果的基础上，提出一种更为科学的方法去确定两者的值。同时，本文针对的是时间序列数据预测，所以在使用BP-ANN进行拟合预测时，必然涉及到输入层节点数的确定问题。针对这一问题，提出通过ARIMA模型中滞后项的确定来设计神经网络模型中输入层的节点数，解决了人为选择的主观性。最后，以郑州商品交易所期货数据作实证研究，分别对棉花期货、白糖期货和PAT期货的结算价进行预测。预测结果表明，非线性集成预测模型取得了令人满意的效果。