对于投资者而言,投资策略的好坏取决于规避风险与获取收益的能力。存在损失规避心理的投资者渴望在承担较低风险同时获取稳定收益的投资策略,量化投资无疑成为较优的选择。期货作为国家经济的重要组成部分,对其进行研究非常必要,所以构建应用于期货投资市场的量化投资策略有重要意义。文章将人工智能中的机器学习算法应用于期货量化投资之中,构建期货价格变化趋势预测模型,并根据预测结果搭建量化投资策略。首先,分别获取来自于四个不同期货交易所的期货产品:棉花期货、沪锌期货、聚氯乙烯期货、沪深300股指期货交易数据,并通过技术分析指标、投资者情绪、宏观经济指标等方法将金融数据的特征维度扩充,再对数据进行标准化处理以及根据价格变化趋势给数据进行标签处理。其次,通过调节超参数、优化模型结构,搭建了基于8种不同机器学习模型的期货价格预测模型。通过实验,发现沪深300股指期货相较于其他三种期货产品有更强的价格可预测性,LSTM回归模型相较于其他模型具有更强的价格变化趋势预测能力,其预测沪深300股指期货价格变化趋势的准确率最高。最后,构建量化投资策略,模拟交易时间区间选取为2020年1月至2021年12月,构建基于DMA的量化投资策略,并结合LSTM预测结果搭建基于DMALSTM的量化投资策略及经过风险规避优化后的投资策略,根据设定条件释放交易信号进行模拟交易。最终投资策略在承担较低风险的同时获取了较为可观的收益。文章将量化投资的标的物聚焦于期货,并对比了各种期货产品的可预测性,研究了各类机器学习模型的预测能力,并提出优化后的量化投资策略,丰富了量化投资的研究思路。