以白糖期货合约SR2201 和SR2109 的5 min 高频数据为研究对象, 在验证二者存在长期均衡关系的条件下, 构建GARCH 模型来刻画残差的ARCH 效应, 将互补集合经验模态分解(CEEMD)方法与长短期记忆网络(LSTM)、 自适应提升算法(Adaboost)相结合, 通过预测价差涨跌进行套利操作, 设置不同开平仓阈值, 在样本区间内进行4 种神经网络套利策略对比研究。结果表明: 基于CEEMD-LSTM-Adaboost 模型的神经网络套利策略应用于白糖期货市场可行有效, 并且其在模型预测精度和套利效果方面均比BP、 LSTM和LSTM-Adaboost 神经网络更具优势。