随着经济的发展和人们投资意识的转变,期货投资已成为现代人生活中的一个重要组成部分,期货市场的健康发展和繁荣也成为管理者和投资者关心和研究的重点。为了有效的发挥期货市场套期保值和价格发现的基本功能,关于期货市场风险控制问题的研究引起了广泛关注。由于价格风险一直是期货风险控制研究的重点和中心,故分析与预测期货价格变化趋势自然成为期货市场风险控制研究的重中之重。由于期货价格系统内部结构的复杂性、外部因素的多变性,使得传统的预测方法已不能满足期货价格预测的需要。神经网络是一种智能信息处理技术,它的出现为处理高维数、强干扰难建模的复杂期货价格变化过程提供了另一种可行的预测方法,故本文拟采用神经网络中的BP神经网络进行期货价格预测,主要研究内容有以下四个方面:1、针对传统BP神经网络运行中存在的模型计算结果受初值影响大、稳定性差、收敛速度慢、易陷入局部极小值等缺陷,采用了三种改造BP算法,通过对采用三种改进算法的模型进行训练表明:改进算法对运行速度的提高比较有效,但对模型运行的稳定性与预测精度的提高幅度不大;2、针对BP神经网络初始权阈值参数的随机性问题,提出了将遗传算法与BP神经网络相融合的期货价格预测方法,实验结果表明:基于融合算法的模型在运行的稳定性及预测精度上都好于BP神经网络模型,但在运行中有可能出现“早熟”收敛现象;3、针对遗传算法优化模型过程中存在的“早熟”收敛问题,提出了把粒子群算法与BP神经网络相融合的期货价格预测方法,实验结果表明:采用粒子群算法优化神经网络模型对提高神经网络模型预测的稳定性与预测精度也是有帮助的,但也可能出现“早熟”收敛现象;4、通过MATLAB语言实现了本文所提出的相应期货价格预测模型算法,以中国的铜期货、豆粕期货和小麦期货为实例,验证了本文所作的改进对提高神经网络模型期货预测算法的可行性和实用性。本文的研究丰富了期货价格预测方法,对期货价格预测有重要的理论意义和实用价值。