价格作为投资交易的关键,价格的走势关系到市场的良好发展以及广大投资者的切身利益,因此针对价格走势的预测研究一直是金融投资领域的研究重点。随着大宗商品期货在金融市场地位的逐渐提高,针对商品期货价格的预测研究也越来越多。并且深度学习方法作为先进的人工智能技术已广泛运用于金融领域,因此本文结合深度学习方法对商品期货价格进行了预测研究,以期为投资者的投资交易提供一定的借鉴。本文首先梳理了深度学习方法中相关模型的理论知识,结合卷积神经网络(CNN)能够有效提取特征以及门控循环单元网络(GRU)能够快速并准确处理时序数据的特性,构建了CNN-GRU组合神经网络模型,并且分别运用该组合模型和单一的CNN、GRU神经网络模型对沪铜、豆粕和PTA三个期货品种的价格进行了预测,结果显示CNN-GRU组合神经网络模型的预测准确率最高,表明该组合模型构建成功且具有显著的优越性。其次,为了提高商品期货价格预测的准确性,本文拟在模型输入特征中加入技术分析指标和基本面因素指标,但这首先需要对商品期货市场的有效性进行研究。因此本文通过运用自相关检验、GARCH模型对沪铜、豆粕、PTA期货市场有效性进行了实证研究,结果证明沪铜、豆粕、PTA期货价格收益率均存在“尖峰厚尾”的特征,自相关检验证明三个期货品种价格序列均存在弱自相关性,不服从随机游走假设,GARCH模型检验证明三个期货品种价格波动存在长期记忆性,综合来看,沪铜、豆粕、PTA期货市场均尚未达到弱势有效。然后,在证明了沪铜、豆粕、PTA期货市场均尚未达到弱势有效的基础上,本文将技术分析指标加入到模型输入变量中,运用CNN-GRU组合神经网络模型对沪铜、豆粕、PTA期货价格进行预测,在对输入变量运用主成分分析法进行特征降维后,预测误差显著小于直接基于价量特征的预测误差,结果表明技术分析指标对于提升商品期货价格预测准确率具有显著的效果。最后,通过对影响沪铜、豆粕、PTA期货价格的基本面因素进行分析,并在模型输入变量中加入基本面因素,对三个品种的期货价格进行预测,实证结果表明基本面因素能够显著的提高商品期货价格预测准确率。