中国期货交易市场经过近三十年的发展,已经摆脱了期货交易在中国起步时交易品种重复,监管制度缺失的混乱局面,逐渐走向正轨,吸引了越来越多的投资者加入期货市场进行交易。通过对期货交易价格的变化幅度进行预测,不仅能够为投资者提供交易建议,而且对政府监管市场、规范市场都具有重大意义。针对期货价格变化幅度预测问题,提出了一种基于混合神经网络的期货价格变化幅度预测模型。在模型设计过程中,从数据集选取、神经网络结构两个方面进行考虑。数据集方面,考虑到投资者的投资收益,预测结果的实际价值,从连续的时间序列数据中选取转势点以及转势点相关数据作为数据集进行训练与预测。目前的预测模型通常只考虑收盘价,这会丢失许多有用的信息,通过将最高价,最低价,成交量等纳入考虑来获取更多信息,并对多维数据采用主成分分析法进行降维。神经网络结构方面,考虑到金融时间序列的多尺度特征,选择使用混合神经网络结构,针对图像和时间序列数据性质的不同,对应用于图像分类的混合神经网络结构进行改进,在训练过程中引入辅助损失,使组成网络在训练过程中能单独进行自身优化,并根据传统预测方法思想,为辅助损失赋予权值,体现了数据影响程度的不同,并且能够避免训练过程中因辅助损失过大导致的性能下降。为了验证模型有效性,选择大豆三号合约、螺纹钢十号合约、沪深300股指五号合约的近两年数据进行验证,对比模型为单独的1D-CNN,LSTM网络以及ConvNet和LSTM网络的级联网路。结果表明,模型在三种数据集上的平均预测准确率比单独的LSTM网络高6%,相比于级联网络提升了4%~5%,验证了设计模型应用策略的有效性。