神经网络是机器学习领域重要的研究方法,神经网络预测能力在金融领域有着广泛的应用。期货市场中,程序化交易的交易策略研究日渐深入,本文旨在优化神经网络,进行训练、预测,并根据预测结果研究交易指标,对不同交易策略进行改进。神经网络预测由于数据储存信息不足、结构简单等问题经常出现误差很大的预测结果,并且随着初始权重的不同,预测结果变化很大,充满了不确定性。针对这一问题,本文提出了多变量预测方法。NARX神经网络输入允许加入多个外部变量进行训练,并使用多个外部变量作为最后的预测指标,本文进行预测的数据是期货商品豆粕的价格,通过详细的分析,总结出十个影响豆粕价格的因素,将它们作为神经网络的外部输入。同时,为了避免外部因子信息的的重复使用,本文引入主成分分析法,对十个外部变量进行降维处理,选出四个互不相关的主成分,即保留了原始数据的大部分信息,避免了数据冗余,又提高了神经网络的训练速度。本文通过对多变量预测结果和单变量预测结果进行对比,发现多变量预测更加准确。本文将预测结果存入到交易开拓者商品数据中,用于交易指标的研究,同时在交易开拓者平台上自主编写了一个交易策略,进行参数优化,发现问题并将预测结果指标加入到交易策略中,通过多次实验分析,预测结果交易指标对该策略有较大改进。本文为了进一步验证预测结果交易指标的合理性,在不同的交易策略中加入该指标,进行实验分析。结果表明,对于一般的交易策略,预测结果交易指标都能有效地提高交易成功率。