作为基于物理商品的市场组织形式，期货市场对于稳定现货市场，避免价格风险和增加市场流动性具有重要意义。它具有重要的社会和经济价值，用于准确分析和预测期货市场。如何从复杂的期货市场中提取有效的信息来预测期货价格趋势是一个巨大的挑战。为了提高期货价格趋势预测的准确性，本文从模型和功能的两个观点开始，并将深度学习模型应用于期货价格预测和比较不同的模型，以找到更好的模型来转换新闻和评论将结构化数据的文本添加到模型预测中，作为改善预测效应的新功能。本文的主要工作内容如下：基于期货价格趋势预测目标，本文选择了五种期货品种的

每日频率交易数据，即上海和深圳300股票指数，钢筋，铁矿石，燃油和凡士林，作为研究目标，并获得东方。财富网站的“期货栏”评论文本和行业新闻文本数据从价格交易数据中提取技术指标，通过扩展金融领域的情绪词典来计算评论文本指标，并通过构建实体联系图来计算新闻文本指标。本文构建了一个模型，以预测期货品种的价格趋势，并探讨不同时间窗口下模型和比较模型的预测效果。获得的实验结果如下：（1）在不同的时间窗口下，模型预测效应不同。实验结果表明，当时间窗口为7时，CNN和梯度增强模型的准确性优于其他时间窗口。当时间长度超过14时，模型预测的准确性会降低，这表明当时间长度太长时，模型无法有效捕获相关的历史记录。信息。 （2）基于技术指标特征的模型预测。实验表明，模型预测更好，每个期货在模型上显示出很高的预测准确性，钢筋期货的预测准确性达到61.7％，表明使用期货价格趋势趋势预测有效。 （3）基于模型预测的技术指标融合文本功能。添加文本功能后，提高了三个神经网络模型的预测准确性。在新闻和评论文本指标的综合效果下改进该模型大于仅新闻或评论文本的改进。从模型的角度来看，该模型的增加是最大的，而石油沥青期货的最大增长率为1.12％。本文从模型和功能的两个角度提高了期货价格趋势预测的准确性。模型预测效应比其他比较模型更好。为了提高预测效果，本文构建了评论文本和新闻文本指标，并将其添加到上升和跌倒预测模型中。在本文中，预测准确率已经提高，研究内容已经丰富，并且对期货市场实践具有一定的参考意义。