随着铁矿石等大宗商品日益金融化，越来越多的投资者参与到铁矿石期货交易中，交易策略成为投资决策中的重点研究问题。针对复杂和动态的铁矿石交易环境，设计一种基于集合经验模态分解(EEMD)与深度强化学习(DRL)方法的铁矿石期货交易策略。首先，采用EEMD方法深入剖析铁矿石期货价格的特征，综合考虑分解后的特征，构建基于马尔可夫决策过程的铁矿石期货交易环境；其次，采用多种DRL方法产生铁矿石期货交易策略，并利用累计收益率优化DRL产生的交易策略；最后，采用夏普比率筛选出各交易周期内的最优策略，形成全交易周期的最优策略组合。实验结果表明：提出的交易策略在确保收益率最大化的基础上具有较强的稳健性。