随着我国金融业的发展,制度的成熟,我国的证券交易市场也越发完善,期货市场已与国际接轨。越来越多的国内外投资关注到中国市场,与此同时,不少的套利者也将目光投向这里。本文选取三种具有明显上下游关系的豆类期货品种,大豆、豆粕、豆油作为研究对象,以三者近十年来的日度收盘价作为数据,通过构建传统的跨品种套利策略形成对比,进而反映出以遗传算法优化BP神经网络模型为基础构建的跨品种策略较高的胜率和较强的获利能力。传统跨品种套利策略以AR-GARCH为模型,以时变的残差方差为信号,在样本内的回测结果优异,但样本外的收益却不理想。基于BP神经网络模型的预测能力,本文以下一期价差与本期价差的波动差异设计套利策略,以不同的阈值作为开仓和止损指标,相关结果表明:以BP神经网络模型构建的跨品种套利策略的胜率达到了60%,同时年化收益率高达101%,具有一定的适用性、稳定性以及获利能力。最后针对BP神经网络的主要缺陷--对初始阈值敏感且容易陷入局部最小化的问题,利用遗传算法优化并回测,可以明显看出:优化后的BP神经网络模型的收敛速度更快,预测精度有所提高,总误差相对更小,相关获利指标也都有不错的提升。对三者对比之后得出结论:利用遗传算法优化可以很好的解决BP神经网络对初始阈值较为敏感的问题,并相应解决容易陷入局部最小值的缺陷。进一步提升神经网络的预测能力,进而提升策略的获利能力,至此验证了以遗传算法优化BP神经网络模型构建的跨品种套利策略的适用性和有效性。本文在最后对人工智能和跨品种套利相结合的策略进行总结,对它们的后续发展进行展望。同时针对本文模型和策略存在的缺点和不足提出改进建议,使得本文的理论价值更加完备。