中国首只金融期货——沪深300股指期货的推出,使投资者获得了一个对冲资本市场风险的工具。股指期货在给投资者一个规避风险的工具的同时,也不可避免的吸引来众多的投机者。对于资产价格的预测,一直是资本市场热衷于讨论的话题,而所使用的预测方法多种多样,技术分析、基本面分析、数学建模分析等,都可以成为资本市场参与者的分析手段。在众多的分析方法中,近十多年来发展迅速的神经网络技术,也被用于对资本市场的分析。由于神经网络对非线性关系的刻画能力有其优于一般统计模型的地方,所以神经网络用于资产价格的预测,很快也成为了一些研究者所热衷的热点。本文主要对神经网络中的多层感知器网络进行实证研究,所使用的数据是沪深300股指期货5分钟数据。通过构建多层感知器网络结构对股指期货的价格进行预测,然后基于预测的结果构建交易策略。在完成整个网络和策略的回测结果后,由市场微观结构理论中的噪声交易出发,本文又使用小波滤波技术对输入网络的数据进行预处理,然后观察使用小波预处理的回测结果,是否优于未预处理的回测结果。通过样本外三个月的数据回测结果发现,基于多层感知器神经网络构建的交易策略,对沪深300股指期货数据可以获得正的收益。其中预测期为8的累积资产最稳定,而预测期32的最终累积资产值可能更高,但是波动更大,相比之下预测期16的累积资产表现最差。横向比较方面,使用小波滤波对输入数据进行滤波预处理在预测期为8和16的情况下,都未优于没使用小波滤波预处理的情况；而在预测期为32的情况下,最终资产高于没使用小波预处理的情况,造成这一情况的原因可能是金融数据的特殊性。这一结果也暗示,将小波滤波技术应用于持有期较长的策略,可能会更好的表现出小波滤波的效果。