由于橡胶树对生产环境要求的严格性,我国能够种植橡胶的地方仅限于云南、海南以及广东等少数地区。但是,我国作为制造大国,对天然橡胶的需求不言而喻,仅靠我国的生产量根本无法满足需求,因此,需要大量的进口。这使得我国在国际天然橡胶的定价权上始终处于劣势地位。而期货作为一种套期保值的金融衍生品,可以很好地规避价格风险,因此,预测期货的价格就显得尤为重要。其不仅有利于天然橡胶生产者及消费者避免橡胶价格剧烈波动的风险,还可以保证天然橡胶价格的稳定性,同时有利于期货价格发现功能以及套期保值功能的实现。本文通过构建LSTM神经网络模型对比分析了在不同指标作为输入变量时对预测结果的影响,结果发现仅使用价格数据为输入变量就可以得到比较好的预测效果,对测试集预测的均方根误差为227.04,而平均绝对百分比误差仅为1.34%。但是,在价格指标的基础上加入技术指标可以进一步提高预测效果,RMSE下降为217.47,MAPE降低至1.23%。另外,本文还对比分析了不同数据预处理方法对预测结果的影响,发现将所有输入变量均进行小波分解,然后使用分解后的各部分预测相应收盘价分解后的各部分的效果最好,对测试集预测的RMSE进一步降低至171.16,相比于仅进行数据标准化均方根误差下降了21.3%,MAPE降低至1.01%,这也说明了数据预处理的重要性。最后,本文对比分析了 SVR模型与LSTM神经网络预测结果的差异,发现LSTM神经网络的预测效果要好于SVR模型。本文的创新之处在于对比分析了不同指标对天然橡胶期货价格预测效果的影响以及小波分解和主成分分析等数据预处理方法对预测结果的影响。不足之处在于由于时间与篇幅的限制仅研究了在价格指标的基础上加入某一类指标对预测结果的影响,而未研究不同组合下的预测效果。