自20世纪80年代初以来,人工神经网络技术在全球范围迅速发展传播,人工神经网络是在模拟人类大脑的构造与思维的基础上而建立起的数学模型,能够处理类似图像识别、语音识别、自然语言等诸多问题,引起了国内外学者的高度广泛关注.2006年Hinton等人基于人工神经网络提出了深度学习的概念,深度学习是蕴含了很多个隐含层的深度神经网络,具备更优异的特征学习的本领,能够更本质的抽象和表达数据,通过逐层的数据初始化来优化数据模型训练过程,进而提升模型预测分类的准确性.近两年利用深度学习的方法来处理金融高频数据掀起了一股方兴未艾的研究及应用浪潮,但是如何针对数据特征来选择合适的初始化模型是研究的关键问题,本文分别利用自编码器和受限波尔兹曼机理论结合人工神经网络建立了一个研究股指期货的模型并作出了比较分析,最后根据交易策略搭建了一个交易系统.模型可以大致分为四个模块：数据预处理模块、神经网络初始化模块、深度学习模块、交易策略模块.