自20世纪八十年代起,在国家规范的管理和改革下,我国商品期货市场开始平稳发展,势头愈加强劲,对国家经济的总体发展也做出了贡献。为获得回报,越来越多的投资者开始进入期货市场,这也促进了期货市场的壮大。在如今人工智能和数据挖掘高速发展的态势之下,个人投资者和机构投资者用其构建套利交易策略,并在期货、股票市场中加以应用。在套利交易策略的研究与应用中,目前使用最多的是LSTM、SVM和BP。本文运用粒子群算法优化BP神经网络,提升了BP神经网络的学习能力,并且提升了它的收敛速度,使其能够快速收敛到最优解。本文选取了菜油、豆油和棕榈油三种期货进行研究,采用粒子群算法来优化BP神经网络,克服BP神经网络的局限性,对上述三种期货进行价格预测,并将设计的套利交易策略模拟实际交易过程,以此来分析套利策略是否有效。首先,本文先对跨品种套利理论和神经网络模型进行了简单的阐述。其次,对三种期货品种做基本面分析判断这三种期货之间是否存在某种关系,如果它们存在内在联系,我们还需要考虑这种关系是否是稳定的,在此基础上才能够进行套利。第三,通过协整分析的结果,判断这三种期货之间是否存在长期的均衡关系。第四,本文运用PSO算法优化BP神经网络模型,并且构建基于BP神经网络模型的交易策略。第五,对改进后的BP神经网络模型交易策略进行实证分析,从而验证其有效性。通过对数据的相关研究与分析,本文结论如下:（1）在对数据进行相关性分析和协整分析之后,可以看出菜油、豆油和棕榈油之间是存在着稳定关系的,在此基础上可以对这三种期货设计套利交易策略。（2）用粒子群算法改进后的BP神经网络模型,克服了BP神经网络模型的缺陷,提升了收敛速度。从模型的预测效果来看,预测值与真实值相差较小,拟合效果较好。（3）基于改进后的BP神经网络模型并构建的交易策略,在模拟真实交易过程之后,盈利能力比较强,证明该套利策略是可行的。