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。
