匹配交易是利用长期均衡的金融资产价格之间暂时性差异进行套利的交易策略。匹配交易是一种市场中性的交易策略,在多种高度相关金融产品中套利的交易算法,即投资者通过买入和卖出金融产品,对冲掉金融产品的市场风险,待买卖金融产品恢复至合理估值水平获利平仓。匹配交易的出现和发展,既是金融理论创新的结果,也是金融市场发展的必然产物。通过研究匹配交易策略和方法,一是提高和完善金融市场资源配置的效率。匹配交易平抑因投机等因素导致的价格偏差,纠正金融市场扭曲的价格,提高金融市场效率;二是提高金融产品的流动性。匹配交易增加了金融产品的交易量,促成了交易的顺利达成。匹配交易吸引投资者参与金融市场,大幅度提高金融产品的流动性;三是为投资者提供新的投资方式。匹配交易具有低风险的特征,可以避免市场下跌带来的风险,并获得稳定的绝对收益率。本文以金融市场基础理论、支持向量机和卷积神经网络理论为指导,运用文献分析、归纳演绎、实证分析等方法,在建立匹配交易策略和管理机制的基础上,分析在跨时间、跨产品、跨市场的金融匹配交易的应用绩效。本文按照“理论回顾—交易策略—风险管理—实证研究—结论”的逻辑主线进行展开。本文主要介绍了研究背景、研究意义和国内外研究现状及评价,提出了论文的研究内容与技术路线。本文重点介绍有效市场理论和市场异象,提出了匹配交易存在的市场基础和意义。协整理论是寻找匹配交易对象的关键方法,只有两个或多个金融产品存在协整关系,才能进行匹配交易。反向传播神经网络、支持向量机和卷积神经网络基础理论主要用于识别匹配交易信号,提出匹配交易的基础模型。本文阐述了匹配交易策略的原理以及设计流程,提出了交易的执行流程以及算法伪代码。匹配交易策略的执行流程主要包括参数设计、交易信号识别、交易执行和资金管理。本文通过分析匹配交易的风险类型和风险计量方法,提出了风险控制措施。金融市场价格波动频繁且剧烈,风险管理是进行匹配交易的关键技术,更是贯穿整个匹配交易始终的核心问题。匹配交易的风险控制措施主要包括风险过程管理、资金管理、决策风险防控和内部控制岗位制约。在跨时间匹配交易情况下,本文提出协整和反向传播神经网络模型（C-BPNN模型）识别交易信号,建立沪深300指数期货日内高频跨时间匹配交易策略,并进行绩效分析。在跨产品匹配交易情况下,本文提出协整和支持向量机模型（C-SVM模型）识别交易信号,建立玉米与玉米淀粉期货跨产品匹配交易策略,并进行绩效分析。在跨市场产品匹配交易情况下,本文提出了协整和卷积神经网络模型（C-CNN模型）识别交易信号,建立潍柴动力A股和H股日内高频跨市场匹配交易策略,并进行绩效分析。本文的主要工作为匹配交易信号识别和实证研究,结论包括:一是在沪深300指数期货日内高频跨时间匹配交易策略中,采用C-BPNN模型识别交易信号。实证检验发现IF1612和IF1702训练集和测试集的价格序列是非平稳时间序列;IF1612和IF1702训练集和测试集的价格收益率序列是平稳时间序列。IF1612和IF1702收益率序列训练集和测试集具有协整关系。在训练数据中,买入阀值（BT）为-0.7、卖出阀值（ST）为0.7、止盈线（TP）为1.0、止损线（SL）为-1.0的情况下,匹配交易的盈利和风险控制达到最优。在测试数据中,C-BPNN模型较协整模型（简称C模型）的胜率增加、总利润增加、最大回撤增加,风险价值减少。二是在玉米与玉米淀粉期货跨产品匹配交易策略中,采用C-SVM模型识别交易信号。实证检验发现:C1701和CS1701训练集和测试集的价格序列是非平稳时间序列;C1701和CS1701训练集和测试集的价格收益率序列是平稳时间序列。C1701和CS1701收益率序列训练集和测试集具有协整关系。在训练数据中,买入阀值（BT）为-1.5、卖出阀值（ST）为1.5、止盈线（TP）为1.0、止损线（SL）为-1.0的情况下,匹配交易的盈利和风险控制达到最优。在测试数据中,C-SVM模型较C模型的胜率增加、总利润增加、最大回撤不变,风险价值减少。三是在潍柴动力A股和H股日内高频跨市场匹配交易策略中,采用C-CNN模型识别交易信号。实证检验发现:CH000338和HK2338训练集和测试集的价格序列是非平稳时间序列;CH000338和HK2338训练集和测试集的价格收益率序列是平稳时间序列。CH000338和HK2338收益率序列训练集和测试集具有协整关系。在训练数据中,买入阀值（BT）为-0.7、卖出阀值（ST）为0.7、止盈线（TP）为7、止损线（SL）为-8的情况下,匹配交易的盈利和风险控制达到最优。在测试数据中,C-CNN模型相较C模型、C-BPNN模型、C-SVM模型,胜率最高、总盈利最多、风险价值最小。