隨著科技發展，電腦的計算能力和數據存儲能力迅速提高，深度卷積神經網路逐漸受到廣泛關注，卷積神經網路多應用於時間序列預測，能夠大大提高金融期貨指數價格預測的準確性。學者張貴勇進行了應用神經網路進行時間序列預測的探索，建立基於卷積神經網路的股指期貨預測模型並在此基礎上進行改進，提出基於卷積神經網路暨支援向量機的混合預測模型用於股指期貨預測，並證實了改進模型的有效性。【讀友提問】台商大千莊園黃董問：「金融期貨指數AI交易，何以能強調價格預測的準確性呢？」答：深度神經網路(DNN，Deep Neural Networks)模型是由多個單層非線性網路迭加而成，它在影像處理和自然語言處理等多個領域裡，能取得較好的預測效果，但是其包含的多層網路通常是難以解釋的模型黑盒子，不具備可解釋性，把其直接應用到金融期貨AI交易上有一定的潛在風險。神經網路有很強的識別能力，其學習能力可對環境的變化進行學習。採取神經網路數據處理技術能夠對快速變化的金融期貨市場環境進行深入分析學習，增強預測能力。金融期貨的時間序列通常包含多個維度，不同維度數據的採樣頻率也不一致。顯著網路-偏置網路(Significance-Offse network)多層的卷積神經網路(Convolutional Neural Networks, CNN)技術；卷積神經網路模型的顯著網路可採用三層卷積，在保證神經網路學習深度的同時，也增加了卷積神經網路對時間序列數據的適應性；對混頻時間序列進行特徵提取，再去處理數據做價格預測，這在金融期貨指數AI理財發揮關鍵有解的作用。
