本發(fā)明涉及風(fēng)險(xiǎn)預(yù)測(cè)，尤其涉及一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法。

背景技術(shù)：

1、采購(gòu)預(yù)測(cè)是指企業(yè)的決策者在商品采購(gòu)市場(chǎng)上調(diào)查取得的資料的基礎(chǔ)上，經(jīng)過(guò)分析研究，并運(yùn)用科學(xué)的方法來(lái)測(cè)算未來(lái)一定時(shí)期內(nèi)商品市場(chǎng)的供求及其變化趨勢(shì)，從而為商品采購(gòu)決策和制定商品采購(gòu)計(jì)劃提供科學(xué)的依據(jù)，實(shí)現(xiàn)銷售利潤(rùn)等一系列目標(biāo)的過(guò)程。

2、企業(yè)采購(gòu)業(yè)務(wù)中，現(xiàn)有的采購(gòu)預(yù)測(cè)的價(jià)格預(yù)測(cè)精度低，發(fā)布時(shí)點(diǎn)與決策周期不匹配，尤其在市場(chǎng)波動(dòng)大時(shí)，影響年度計(jì)劃價(jià)格的合理性。銅期貨市場(chǎng)受動(dòng)態(tài)非線性、數(shù)據(jù)噪聲、人為操控和政策干預(yù)等復(fù)雜因素影響，預(yù)測(cè)難度高。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法。

2、一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，包括以下步驟：

3、獲取輸入數(shù)據(jù)，根據(jù)所述輸入數(shù)據(jù)得到候選特征變量；

4、構(gòu)建模型智能匹配網(wǎng)絡(luò)；

5、將所述候選特征變量輸入至所述模型智能匹配網(wǎng)絡(luò)，通過(guò)所述模型智能匹配網(wǎng)絡(luò)得到預(yù)測(cè)結(jié)果；

6、根據(jù)所述預(yù)測(cè)結(jié)果制定回撤對(duì)沖模型；

7、獲取事件數(shù)據(jù)，對(duì)所述事件數(shù)據(jù)進(jìn)行有效性驗(yàn)證，得到調(diào)整事件數(shù)據(jù)；

8、根據(jù)所述調(diào)整事件數(shù)據(jù)和所述回撤對(duì)沖模型，得到投資規(guī)劃進(jìn)行投資。

9、在其中一個(gè)實(shí)施例中，獲取輸入數(shù)據(jù)，根據(jù)所述輸入數(shù)據(jù)得到候選特征變量包括：

10、獲取輸入數(shù)據(jù)，對(duì)所述輸入數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)；

11、對(duì)所述預(yù)處理數(shù)據(jù)通過(guò)升維工具擴(kuò)展數(shù)據(jù)維度，生成預(yù)候選特征變量；

12、獲取若干預(yù)測(cè)模型；

13、通過(guò)特征選擇方法，基于預(yù)測(cè)模型添加或刪除所述預(yù)候選特征變量，得到候選特征變量。

14、在其中一個(gè)實(shí)施例中，構(gòu)建模型智能匹配網(wǎng)絡(luò)包括：

15、對(duì)預(yù)測(cè)模型的預(yù)測(cè)精度進(jìn)行測(cè)試，響應(yīng)于預(yù)測(cè)模型在預(yù)設(shè)時(shí)間范圍內(nèi)的預(yù)測(cè)精度大于預(yù)定預(yù)測(cè)精度，將所述預(yù)測(cè)模型作為模型智能匹配網(wǎng)絡(luò)中的預(yù)測(cè)模型；

16、響應(yīng)于預(yù)測(cè)模型在預(yù)設(shè)時(shí)間范圍內(nèi)的預(yù)測(cè)精度小于預(yù)定預(yù)測(cè)精度，將所述預(yù)測(cè)模型從模型智能匹配網(wǎng)絡(luò)中移除；

17、對(duì)模型智能匹配網(wǎng)絡(luò)中所有預(yù)測(cè)模型的預(yù)測(cè)精度取均值。

18、在其中一個(gè)實(shí)施例中，根據(jù)所述預(yù)測(cè)結(jié)果制定回撤對(duì)沖模型包括：

19、獲取預(yù)設(shè)對(duì)沖策略；

20、將所述預(yù)測(cè)結(jié)果和市場(chǎng)價(jià)格進(jìn)行對(duì)比，得到預(yù)測(cè)結(jié)果超出概率；

21、根據(jù)所述預(yù)測(cè)結(jié)果超出概率和所述預(yù)設(shè)對(duì)沖策略計(jì)算對(duì)沖量。

22、在其中一個(gè)實(shí)施例中，根據(jù)所述預(yù)測(cè)結(jié)果超出概率和所述對(duì)沖策略計(jì)算對(duì)沖量包括：

23、根據(jù)所述預(yù)測(cè)結(jié)果超出概率，通過(guò)所述預(yù)設(shè)對(duì)沖策略計(jì)算區(qū)分對(duì)沖量，進(jìn)行對(duì)區(qū)分沖量合計(jì)，得到對(duì)沖量。在其中一個(gè)實(shí)施例中，獲取事件數(shù)據(jù)，對(duì)所述事件數(shù)據(jù)進(jìn)行有效性驗(yàn)證，得到調(diào)整事件數(shù)據(jù)包括：

24、利用網(wǎng)絡(luò)爬蟲技術(shù)，獲取事件數(shù)據(jù)；其中，所述事件數(shù)據(jù)包括：相關(guān)的政策事件、金融新聞、社交媒體評(píng)論及圖像數(shù)據(jù)；

25、獲取所述事件數(shù)據(jù)中對(duì)市場(chǎng)產(chǎn)生重大影響的事件，實(shí)施對(duì)沖驗(yàn)證，得到事件數(shù)據(jù)的潛在市場(chǎng)影響及其在不同情境下的有效性；

26、響應(yīng)于所述事件數(shù)據(jù)的有效性大于預(yù)設(shè)有效閾值，將所述事件數(shù)據(jù)作為調(diào)整事件數(shù)據(jù)。

27、一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)系統(tǒng)，用于實(shí)現(xiàn)如上所述的一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，包括：

28、特征獲取模塊，用于獲取輸入數(shù)據(jù)，根據(jù)所述輸入數(shù)據(jù)得到候選特征變量；

29、匹配構(gòu)建模塊，用于構(gòu)建模型智能匹配網(wǎng)絡(luò)；

30、預(yù)測(cè)獲取模塊，用于將所述候選特征變量輸入至所述模型智能匹配網(wǎng)絡(luò)，通過(guò)所述模型智能匹配網(wǎng)絡(luò)得到預(yù)測(cè)結(jié)果；

31、回撤制定模塊，用于根據(jù)所述預(yù)測(cè)結(jié)果制定回撤對(duì)沖模型；

32、時(shí)間獲取模塊，用于獲取事件數(shù)據(jù)，對(duì)所述事件數(shù)據(jù)進(jìn)行有效性驗(yàn)證，得到調(diào)整事件數(shù)據(jù)；

33、規(guī)劃預(yù)測(cè)模塊，用于根據(jù)所述調(diào)整事件數(shù)據(jù)和所述回撤對(duì)沖模型，得到投資規(guī)劃進(jìn)行投資。

34、一種設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)上述各個(gè)實(shí)施例中所述的一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法的步驟。

35、一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述各個(gè)實(shí)施例中所述的一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法的步驟。

36、相比于現(xiàn)有技術(shù)，本發(fā)明的優(yōu)點(diǎn)及有益效果在于：本發(fā)明能夠高效處理高維數(shù)據(jù)的復(fù)雜性，生成高精度預(yù)測(cè)結(jié)果。通過(guò)每日滾動(dòng)更新，能夠動(dòng)態(tài)適應(yīng)市場(chǎng)變化，實(shí)現(xiàn)實(shí)時(shí)預(yù)測(cè)，從而彌補(bǔ)傳統(tǒng)企業(yè)戰(zhàn)略制度和商報(bào)出版預(yù)測(cè)精度不足、時(shí)效性滯后的缺陷。該方法在應(yīng)對(duì)高維數(shù)據(jù)挑戰(zhàn)的同時(shí)，優(yōu)化了預(yù)測(cè)準(zhǔn)確性，顯著提升了企業(yè)在快速變化的市場(chǎng)環(huán)境中做出戰(zhàn)略決策的能力，確保其應(yīng)對(duì)市場(chǎng)波動(dòng)的靈活性和前瞻性。這一預(yù)測(cè)框架為企業(yè)和市場(chǎng)參與者提供了更為精準(zhǔn)和及時(shí)的決策支持工具。

技術(shù)特征：

1.一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，其特征在于，所述獲取輸入數(shù)據(jù)，根據(jù)所述輸入數(shù)據(jù)得到候選特征變量包括：

3.根據(jù)權(quán)利要求2所述一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，其特征在于，所述構(gòu)建模型智能匹配網(wǎng)絡(luò)包括：

4.根據(jù)權(quán)利要求1所述一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，其特征在于，所述根據(jù)所述預(yù)測(cè)結(jié)果制定回撤對(duì)沖模型包括：

5.根據(jù)權(quán)利要求4所述一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，其特征在于，所述根據(jù)所述預(yù)測(cè)結(jié)果超出概率和所述對(duì)沖策略計(jì)算對(duì)沖量包括：

6.根據(jù)權(quán)利要求1所述一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，其特征在于，所述獲取事件數(shù)據(jù)，對(duì)所述事件數(shù)據(jù)進(jìn)行有效性驗(yàn)證，得到調(diào)整事件數(shù)據(jù)包括：

7.一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)系統(tǒng)，其特征在于，用于實(shí)現(xiàn)如權(quán)利要求1-6任一所述的一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法，包括：

8.一種設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述方法的步驟。

9.一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述的方法的步驟。

技術(shù)總結(jié)
本發(fā)明提供一種基于集成機(jī)器學(xué)習(xí)的銅期貨價(jià)格滾動(dòng)預(yù)測(cè)方法包括：獲取輸入數(shù)據(jù)，根據(jù)所述輸入數(shù)據(jù)得到候選特征變量；構(gòu)建模型智能匹配網(wǎng)絡(luò)；將候選特征變量輸入至模型智能匹配網(wǎng)絡(luò)，通過(guò)模型智能匹配網(wǎng)絡(luò)得到預(yù)測(cè)結(jié)果；根據(jù)預(yù)測(cè)結(jié)果制定回撤對(duì)沖模型；獲取事件數(shù)據(jù)，對(duì)事件數(shù)據(jù)進(jìn)行有效性驗(yàn)證，得到調(diào)整事件數(shù)據(jù)；根據(jù)調(diào)整事件數(shù)據(jù)和回撤對(duì)沖模型，得到投資規(guī)劃進(jìn)行投資。本發(fā)明能夠通過(guò)機(jī)器學(xué)習(xí)技術(shù)對(duì)高維數(shù)據(jù)進(jìn)行處理，并結(jié)合滾動(dòng)預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)銅期貨價(jià)格的高精度預(yù)測(cè)，進(jìn)而可制定相應(yīng)的對(duì)沖策略。

技術(shù)研發(fā)人員：任慶忠,凌艷濤,趙一郎,邱冬陽(yáng),曹夢(mèng)秋
受保護(hù)的技術(shù)使用者：重慶理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15