随着国内的期货市场不断与国际市场接轨,国内设计的期货价格指数品种也越来越丰富,这标志着商品期货的发展进入了新的纪元。商品期货价格指数的出现不仅使得我国的金融产品体系变得更加丰富,通过交易策略的设计可以帮助投资者精选商品期货价格指数,使得风险二次分散,还能帮助投资者进行资产配置,预防单边市场下跌的风险。随着期货价格指数的逐渐出现,国内学者对于期货价格指数的研究也越来越多,目前国内学者的研究大都局限于商品期货,尤其是研究单一商品期货品种,很少有人研究期货价格指数,而期货价格指数选择对于研究商品期货走势以及对冲投资者风险至关重要。针对这一现状,本文采用机器学习中的Catboost模型来选择投资标的并结合最小方差法、风险平价法和等权重法来构造期货价格指数资产投资组合,并且通过设置不同的止损点控制风险波动,试图为中小投资者和投资机构提供一种新的选择投资标的及配置权重的思路。本文的理论部分主要阐述了量化投资理论与资产配置理论,然后介绍了预测用到的Catboost模型以及赋予权重用到的风险平价法和最小方差法等。实证分析部分,本文参考大量文献及收集现有数据,选取了影响期货价格指数的20个指标用于建立模型。然后本文选取2014年1月-2017年12月的数据作为训练集,采用Catboost模型来预测样本期货价格指数在2018年的涨跌,选出在验证集2018年上涨概率最高的十个商品期货作为投资标的。接着本文运用最小方差法、等权重法和风险平价法来赋予选出来的商品期货不同的权重,选择预测是涨的品种进行买入并持有。经过调参和加入止损点之后,回测结果表明,在双边万分之二的手续费,两个最小变动价位作为滑点的情况下,本策略在验证集中年化收益率表现最优的是调参后运用最小方差法并加入止损点为2.25%时,年化收益率为9.79%,最大回撤为2.98%,夏普比率为0.57达到最优。最后本文在测试集中一是与Catboost模型拟合得分模型进行对比,二是与机器学习中常见的Lightgbm、Xgboost、GBDT、逻辑回归和随机森林模型进行对比,对比证明回测结果最优的是基于Catboost模型的商品期货交易策略,在测试集中的年化收益率为9.46%,最大回撤为2.72%,夏普比率为0.82。本文希望通过实证分析的结果给予广大投资者进行期货价格指数投资一定参考。