新发展格局下,我国的资本市场发展迅速,2020年沪深两市成交额突破206万亿,同比增长逾6成,市场主体数量不断增加的同时,投资者对于投资的风险愈加看重。配对交易作为中性交易策略,具有投资风险较低、收益稳定的良好特性。随着我国做空市场机制的日益健全,配对交易得到的关注与日俱增,越来越多的学者参与到对传统配对交易模式的改进与优化当中。配对交易一般采用一对一的股票配对构建交易过程,往往套利机会较少,配对筛选过于依靠协整方法,交易时缺乏灵活性,因而对配对筛选与交易方式的创新具有重要意义。本文主要研究以下两个方面的内容:一、对配对股票的筛选环节进行改进。本文引入了K-C-Means聚类算法对股票进行初步筛选,以更好地根据股票价格序列的走势进行分类,在此基础上,根据分类后的股票结合相关性分析与协整方法进行股票对筛选,筛选不再局限于一对一的配对,而是构建出一个以一只股票为核心,多只股票待选以供配对的股票堆,也就是一对多的配对组合。二、设计了一种基于LSTM（Long Short-Term Memory）预测的一对多配对交易模型。根据得到的股票堆,利用LSTM记忆网络对股票价差数据进行预测,从而掌握触发交易信号的股票对未来的走势,进而判断各个股票对未来可能的预期收益情况,以此为参考进行交易操作。将模型的收益水平与传统配对交易模式下的收益水平进行比较,以验证模型的可行性与有效性。数值结果显示,这种基于LSTM预测的一对多配对交易方式有效地减少了等待建仓的时间,增多了交易机会,一定程度上分散了交易风险。本文将按以下结构展开,第一章介绍配对交易目前的研究背景与国内外研究的现状;第二章主要介绍配对交易的相关理论基础,包括配对交易策略、K-C-Means聚类算法、协整理论以及长短时记忆网络的有关内容;第三章主要介绍最优配对股票的筛选过程,包括聚类算法与协整方法;第四章主要介绍传统协整模型下的配对交易与基于LSTM预测的一对多配对交易各自的交易方式,并对二者的实证分析结果进行比较;最后是对全文的总结和展望。