移动平均线交易策略是技术分析中最常见的分析方法之一,经典的移动平均线交易策略随着金融市场有效性的提升在近年来逐渐失去效率。本文将预测模型与移动平均线交易策略相结合,提出了前瞻性均线交易模型:ARMA-均线交易模型和BP神经网络-均线交易模型。通过时间序列模型和神经网络模型预测标的资产价格,与前瞻性价格指标比较,提前一步获取交易信号并构建仓位,锁定经典均线交易模型因交易滞后导致的收益损失,从而提高策略效率。本文以中国国债期货市场中10年期国债期货主力合约1分钟高频数据为样本,采用ARMA(1,1)模型和5-5-1BP神经网络模型对10年期国债期货主力合约价格进行一步向前静态预测,通过比较预测值与前瞻性价格指标,提前获取交易信号、进行买卖操作。本文计算了4种移动平均组合下各个交易模型的累积收益率,胜率,最大回撤率和夏普比率等评价指标,将前瞻性均线交易模型与经典均线交易模型对比,分析各个模型的优劣。同时本文还将前瞻性均线交易模型的有效性在牛市、熊市以及震荡市行情下进行分类讨论。本文发现:无论是在牛市、熊市还是震荡市下,前瞻性均线交易模型均能够显著地提升经典均线交易模型的效率,并且不受均线参数选择的影响。具体表现为,ARMA-均线交易模型和BP神经网络-均线交易模型具有更高的累积收益率、胜率和夏普比率,以及更低的最大回撤率。其次,BP神经网络-均线交易模型的整体表现还进一步优于ARMA-均线交易模型。一种可能的解释是在较短的时间周期内,金融时间序列间的相关关系受到白噪声等非线性相关关系的影响更大,而BP神经网络-均线交易模型在建模预测时能够更好地刻画这种非线性关系,更适合用于高频交易策略的构建。