本报告主要研究了深度学习模型在期货择时中的应用。报告首先对Seq2Seq模型、注意力机制和Transformer模型进行了详细解析,并介绍了它们的原理。然后,报告对限价订单簿的择时策略进行了优化,结果显示,优化后的Seq2Seq模型和基于注意力机制的模型在预测下期mid-price的准确率上达到了80%,并且对滞后多期价格预测也表现良好。此外,报告还应用Transformer模型对部分期货品种的价格进行了预测,并在螺纹钢、Brent原油等产品中得到了较好的拟合结果。最后,报告基于预测结果进行了简单的交易逻辑回测,结果显示,螺纹钢和PTA的年化收益率均超过了30%。需要注意的是,模型参数失效和过拟合是可能的风险。