随着我国商品期货市场发展的逐渐完善,投资者开始使用各类投资策略进行投资,这些策略的使用为投资者创造了收益,也有利于推动市场的发展。随着机器学习、数据挖掘等算法逐渐应用在股票、商品期货等市场,如何利用数据挖掘模型,构建准确性更高的策略,是投资者以及投资机构关注的事情。在套利交易策略的研究与应用中,均值回归是一种经典的模型,但是均值回归交易频率少,收益较低。神经网络也被应用在套利策略的研究中,目前主要应用较多的是BP神经网络、ELM神经网络等。但是在实际的应用中,这类神经网络参数较多,容易出现过度拟合现象,导致性能不稳定。而GMDH自组织网络具有预测性能好,稳定性强的特点,已经在价格预测等领域得到了广泛的应用。因此,本文基于GMDH网络的结构原理以及粒子群优化算法,进一步对GMDH神经网络的结构以及参数进行优化,并将该网络模型用于构建跨品种套利策略,同时在油脂类品种商品组合上进行实证,本文的研究为跨品种套利提供一定的理论以及实践依据。本文主要针对棕榈油、菜油以及豆油等三种油脂类期货进行研究,设计了针对这三种品种的套利交易策略,并进行实证验证。首先,本文对跨品种套利理论以及各类数据挖掘模型及方法进行了研究与阐述。其次,通过对以上三种期货品种的基本面进行研究,论证了这三大油脂类品种之间存在内在的关联,因此具有设计套利交易策略的内在基础与逻辑。第三,本文从数据层面对这三种油脂类品种进行协整分析,进一步考察了这三种品种间的长期均衡关系。第四,本文利用均值套利模型对这三种品种进行交易测试,从测试中可以看到,传统的均值回归模型表现较差,存在交易频率率,收益低等问题。第四,本文对GMDH神经网络模型进行改进,从样本划分方法、外准则、中间模型等方面对GMDH进行优化,并且构建基于优化GMDH神经网络的交易策略。第五,本文搜集数据,对改进后的GMDH神经网络模型交易策略进行实证分析,并且通过与改进前的GMDH神经网络模型以及BP神经网络模型进行对比,验证本文改进GMDH模型的有效性。经过研究,本文得到以下结论:(1)从基本面、相关性分析以及协整分析的结果来看,棕榈油、菜油以及豆油期货之间存在长期协整关系,具备套利交易的基础;(2)从改进后的GMDH神经网络模型对价差的预测结果来看,优化后的GMDH对profit的拟合效果较好,同时,通过对比样本内以及样本外的预测结果,可以看到样本外预测保持了稳定,说明优化后的GMDH模型能够在一定程度上避免过度拟合问题的发生;(3)基于神经网络模型对价差进行预测并构建的交易策略,增加了交易的频次,并且通过引入阈值对交易信号进行过滤,进一步提高了测量的稳定性。从基于神经网络模型的交易策略的回测结果来看,基于优化后的GMDH神经网络模型在策略的整体性能上具有一定的优势。本文的研究对于扩展跨品种套利交易的设计思路,提高跨品种交易策略的性能具有一定的参考价值。