随着我国经济和量化交易技术的发展,越来越多的投资者参与到量化交易中。海龟交易模型是著名的量化交易模型之一,然而,近年来该模型在我国期货市场的盈利能力呈现逐年下滑趋势,投资者缺乏有效的理论工具对模型进行优化。针对上述问题,本文提出一种基于LSTM神经网络优化的海龟交易模型,该模型对传统海龟模型的通道突破系统做了改进,同时基于DTW动态时间规整算法提出一种算法指标检测模型是否失效。本文的主要贡献如下:1)将股票市场的技术因子加入到海龟模型之中,并进行因子筛选找出合适的因子。国内股票市场方面的研究较多,期货市场的研究较少。在股票量化投资研究领域,多因子模型研究非常成熟并且广泛运用于量化交易之中。海龟交易模型并没有引入多因子,本文提出将股票市场的技术因子加入到海龟量化模型中,以提高模型的收益能力。2)提出了一种基于LSTM神经网络优化的海龟交易模型。本文使用LSTM长短时间记忆网络构建了一个趋势预测系统,取代了原先传统海龟交易模型的通道突破系统。实验表明在同等的实验环境下,优化后的模型在螺纹钢,天然橡胶和锌期货品种上的盈利能力均超过传统模型。3)基于DTW动态时间规整算法,提出一种算法指标检测模型是否失效。量化模型并不是长期有效的,为了检测优化后的量化模型是否失效,本文创造性的将DTW值与模型收益率结合起来作为检测模型是否失效的判断指标。实验表明,该指标将模型总体的盈利能力提升20%以上。最后本文提出的方法扩展了LSTM算法的使用领域,解决了近年来传统海龟模型逐渐失效的问题。另外,为了检测模型是否失效,保证模型的盈利能力,本文使用动态规整算法结合模型的收益率作为检测指标。