随着经济的发展与人们收入水平的提高，越来越多的人希望进行投资金融产品。金融市场的活跃使得原先人工交易方式，特别是短线交易已经渐渐不能适应市场的发展趋势，程序化交易越来越获得人们的关注。程序化交易竞赛的出现，不少大学成立量化投资专业，这说明了人们对于程序化交易平台的迫切需求。　　论文对现有的一些程序化交易平台存在的问题和用户的需求进行了分析，发现现有平台存在功能不够灵活、策略被平台提供者盗取的隐患以及可视化呈现方面的一系列问题。针对这些不足，本文设计并实现了一套本地期货程序化交易平台，该平台分为策略回测实盘系统和策略辅助开发两部分。策略回测实盘系统主要由行情管理模块、策略管理模块、策略运行模块、图表显示模块以及交易模块五部分以及数据库组成。策略辅助开发部分用于辅助策略开发者开发策略，目前有两个模块，分别是基于历史交易的程序化投资策略学习和基于时间序列的日内交易策略收益预测。　　由于程序化交易需要自行编写策略代码，对用户的编程能力有一定的要求。为了平台降低对用户编程能力的要求，本文提出了一个深度神经网络模型，通过输入行情以及交易成交记录来学习程序化交易策略。同时为了更好地评估日内交易策略的性能，本文提出了一个基于时间序列的循环神经网络模型，利用历史行情数据训练后，可以通过输入行情来预测下一个交易日的收益情况。　　本文利用经典的程序化交易策略在本文开发的期货程序化交易平台上回测生成了的数据集，同时这也验证了策略回测实盘系统的有效性和可靠性。在该数据集上通过实验验证了上述两个模型的有效性。