金融市场诞生以来,投资者寻求各种预测价格的方法来提高投资收益率,当前的研究方法主要有技术分析、时间序列分析和机器学习方法等。神经网络具有自学习、高度抽象和鲁棒性强等特点,使用神经网络预测价格越来越频繁。传统预测方法存在预测精度低;预测结果在金融工程中适用性用差。本文针对以上两点问题作出以下三方面研究及应用。首先,本文设计了一个预测股指期货价格精度高的循环神经网络。实验结果分析RNN、LSTM和GRU神经网络的预测误差比例和预测涨跌精准度,结果表明隐层包含8个神经元的GRU神经网络预测性能最好。其次,本文提出成交持仓策略。该金融交易策略根据交易所发布的股指期货信息得到交易信号,当持卖单量减少、持买单量增加时策略发出做多信号;当持卖单量增加、持买单量减少时策略发出做空信号,实验结果证明该策略具有高的年化收益率。最后,本文提出了基于神经网络优化的成交持仓策略,使用GRU神经网络预测价格,再结合成交持仓策略的信号,最终得到基于神经网络优化的成交持仓策略交易信号,实验结果表明优化的成交持仓策略比成交持仓策略收益高。