西南财经大学
学位论文原创性及知识产权声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下独立进行研
究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他
个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个
人和集体，均已在文中以明确方式标明，因本学位论文引起的法律结果完全
由本人承担。
本人同意在校攻读学位期间论文工作的知识产权单位属西南财经大学。
本人完全了解西南财经大学有关保留、使用学位论文的规定，即学校有权保
留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和
借阅。本人授权西南财经大学可以将本学位论文的全部或部分内容编入有关
数据库进行检索，可以采用影印、缩印、数字化或其他复制手段保存和汇编本
学位论文。
本学位论文属于
1、□保密，在
2、□√不保密
特此声明。
年解密后适用本授权书。
学位申请人：
2022年 1月 5日

摘要
摘 要
期货是一种常见的金融衍生交易品种，是组成金融市场的重要部分，能
够用于对风险进行对冲。钢铁产业是现代化经济发展的基础性产业，是经济
发展的重要产业基础。对于钢铁相关企业而言，钢铁类期货品种提供了套利
交易的机会。套利交易具有风险低、收益相对稳定等特点，对于钢铁相关企
业以及投资者获得收益提供了新的交易方式，如何利用不同的钢铁品种设计
套利交易策略，受到各类投资者的关注。而机器学习等模型逐渐成熟，并被
应用在金融投资市场，对于单一的机器学习模型而言，由于受限于模型本身
的局限，难以进一步的提升预测性能，因此 Adaboost等集成学习模型被开发
出来，有利于进一步的提升机器学习的效果。本文基于 Adaboost模型预测钢
铁类期货的价差，并基于价差预测构建交易策略，为投资者提供新的交易思
路。
本文对钢铁类期货的套利交易策略进行研究。首先，深入分析跨品种套
利交易的机制与理论。其次，对螺纹钢、焦炭以及铁矿石的 15分钟价格序列
进行协整分析，验证这三个品种存在稳定的协整关系，能够进行套利交易。
第三，基于均值回归构建钢铁类期货的交易策略，并通过回测数据总结该策
略的不足。第四，基于 Adaboost算法构建对钢铁类期货价差序列的预测模型，
并基于价差预测结果构建交易策略。第五，对采用不同模型的价差预测交易
策略进行回测，验证基于 Adaboost的交易策略具有最优的交易效果。
本文的结论如下：
（1）螺纹、铁矿石、焦炭期货在 15分钟的数据上满足协整关系，能够
构建协整方程。
（2）采用支持向量机作为基础学习器的 Adaboost模型对价差序列的预测
效果以及基于预测构建的交易策略的回测效果，在各模型构成的策略中效果
最好。从对价差预测的 RMSE来看，Adaboost模型对比直接使用支持向量机
1

基于 Adaboost模型的钢铁类期货套利策略的研究
模型，RMSE减少了 38.87%，年化收益率提升了 11.03个百分点，最大回撤
率降低了 15.6个百分点，说明采用 Adaboost算法有效的改进提升了支持向量
机的预测性能以及交易策略的效果。
（3）对比均值回归模型，Adaboost模型增加了 309笔交易，持仓时间减
少了 26.7天，较大程度上提高了交易的次数与频率。年化复合收益率提升了
31.89个百分点，最大回测率降低了 5.85个百分点，提高了交易的盈利性，降
低了交易的风险。采用 Adaboost模型也优于支持向量机、BP神经网络以及随
机森林等模型。
本文的研究 Adaboost算法对支持向量机等模型的价差预测效果进行进一
步的提升，并基于价差预测构建交易策略，提高了套利交易策略的交易效果，
对投资者具有一定的参考价值。
关键词：钢铁类期货；套利交易；Adaboost；价差预测
2
。。。以下略