改革开放以来,我国期货市场发展态势良好,期货产品的交易量和种类也在迅速增加。由于期货具有一定的风险投资功能,导致大量投资者不断涌入期货市场。目前在商品期货研究领域,一个重要的研究方向就是如何构建出基于期货价格预测模型的量化投资策略,进而帮助投资者规避风险、提高投资收益。本文选取了我国商品期货中具有代表性的大豆期货作为量化择时策略的研究对象。全面研究量化投资策略的国内外研究现状和期货价格预测方法的原理及特点后,本文提出构建基于小波分析AR-BP神经网络预测模型的择时策略应用于期货价格预测。在获取大豆商品价格时间序列数据后,通过小波分析对数据去噪和平滑化,择优选择了coif4小波基与3层分解层数,确定阈值规则和阈值调整方式分别为Rigrsure、sln,继而运用于案例得到大豆价格数据的低高频信号。分别针对两种低高频率信号,构建ARIMA时间序列模型以及BP人工神经网络模型,进行数据处理和预测。最后重组低高频预测结果,应用于择时策略中进行验证。本文通过对比不同模型发现,最初的时间序列模型对期货价格的预测不够精确,导致在实际交易中胜率较低;在不断地改进、优化模型后,构建了基于小波分析AR-BP神经网络模型的择时策略,交易机会和改进前相似,但是胜率明显提高,同时改善了年化收益、夏普比率、最大回撤等指标。本文探讨了基于小波分析AR-BP模型的择时策略应用于期货投资的可行性和有效性,为投资者在投资选择上提供了一定的参考价值。但是由于期货产品类型的多样化和影响因素的复杂性,使得构建能够精准预测期货价格的择时策略还有较长的路要走。