期货市场具有发现价格、规避风险的功能,套利交易是期货市场中规避风险的重要交易手段,将神经网络方法应用于商品期货市场进行跨期套利具有实践意义。本文根据跨期套利原理,基于互补集合经验模态分解（CEEMD）设计了套利策略。通过神经网络模型套利策略研究了白糖期货的跨期套利,并与反向传播算法（BP）、长短期记忆网络（LSTM）、自适应提升算法（Adaboost）等其他3种神经网络模型进行套利对比;利用4个不同期货品种,验证CEEMD-LSTM-Adaboost模型及其套利策略在其他期货市场的有效性。主要研究内容具体如下:（一）套利策略的设计。将神经网络与跨期套利相结合,设计神经网络模型套利策略,主要包括选择交易对象、构建资产组合、确定交易信号和设置评价指标。交易对象的选择参考依据是活跃性、相关性和协整关系;借助协整模型或GARCH模型构建资产组合,进而确定套利比例;交易信号是指触发交易开始或结束的参数,寻找穷举法遍历给定范围内最大利润所对应的最优阈值;通过评价指标来判断套利策略的有效性,所采用的指标有总盈利、交易次数、盈利次数、胜率等。（二）套利效果的对比。利用4种神经网络模型预测价差的涨跌,基于设计的神经网络模型套利策略,对白糖期货进行跨期套利。在样本外进行套利回测效果对比,结果显示,CEEMD-LSTM-Adaboost模型的预测精度和套利表现均比BP、LSTM、LSTMAdaboost神经网络模型更好。CEEMD分解模型在模型评价指标下,无论是MAE、RMSE还是符号正确率,均显著优于其他3种模型;在最优阈值条件下,其总收益、平均单笔收益和胜率均最多,单笔最大亏损值最低,且交易次数最为频繁,平均持有期最短,总体套利表现最佳。（三）不同品种的套利研究。为了验证CEEMD-LSTM-Adaboost模型套利策略在其他期货市场的有效性,将神经网络模型套利策略应用于螺纹钢期货、豆粕期货、PTA期货和沪深300股指期货进行跨期套利,所选品种涵盖了我国4个期货市场。套利回测结果表明,CEEMD分解模型跨期套利策略不仅运用于白糖期货市场可行有效,而且在其他期货市场同样比其他3种神经网络模型套利策略更具优势,具有市场通用性。