基于卷积神经网络的股指期货套利策略研究

摘要

在人工智能技术迅猛发展的背景下,神经网络与金融领域的结合越来越密切,利用神经网络等机器学习方法构建投资策略,已是当前投资界和学术界的一个热点问题。提出了一种基于卷积神经网络的股指期货套利策略。通过建立卷积神经网络模型对股指期货价差进行预测,采用动态阈值方法确定套利区间。并对中证500股指期货和上证50股指期货进行了实证分析。对比研究基于SVM模型和XGboost模型的交易策略。实证结果显示,在最大回撤率处于同一水平下基于卷积神经网络的股指期货套利策略收益率比基于SVM模型和XGboost模型的套利策略收益率表现更好。证实了将卷积神经网络应用在股指期货套利策略当中具有一定的可行性与有效性。