[发明专利]基于LASSO模型的铜期货价格预测方法

说明书

本发明公开了一种基于LASSO模型的铜期货价格预测方法，包括以下步骤：获取铜期货历史数据和影响铜期货的外源特征数据；数据处理；构建用于预测调整后铜主力合约价格的LASSO模型；通过处理后的数据拟合训练LASSO模型，直到模型收敛；获取当前日的铜主力合约数据，构建和处理后数据一样的特征输入模型进行预测；输出预测结果；通过选出一些影响上海期货交易所铜期货的价格的外源性特征数据结合机器学习中的LASSO模型来对铜期货价格建模，最后得到模型后进行预测，根据预测的铜期货结合交易策略进行期货量化交易；预测模型更加贴近实际，预测结果更加精确，提升交易效率和成功率。

技术领域

本发明涉及预测技术领域，尤其涉及一种基于LASSO模型的铜期货价格预测方法。

背景技术

中国是过去二十年来最大的铜消费国，并在2006年成为最大的铜生产国。上海期货交易所(SHFE)的基本金属库存规模与伦敦金属交易所(LME)的规模相当，可以说是最有潜力的金属期货市场。因此很多研究者们致力于通过对铜期货市场进行长期观察和研究，同时将各种统计学和概率论的方法应用于期货市场，从而建立了一些模型用对行情进行预测。然而，期货市场作为一种复杂系统，受到问题的动态非线性、数据的高噪音、人为操控、政策干预等多种因素的影响，并且各因素相互之间的影响机理也相当复杂。因此找到合适有效相关联的特征，来预测铜期货价格显的非常重要。除此之外，由于铜期货合约在一定时间后就要面临交易交割的问题，所以预测铜期货价格还要考虑的期货价格的不一致性。因此，利用传统方法对期货价格进行预测难度很大；LASSO是由1996年Robert Tibshirani首次提出，全称 Least absolute shrinkage and selection operator。该方法是一种压缩估计。它通过构造一个惩罚函数得到一个较为精炼的模型，使得它压缩一些系数，同时设定一些系数为零。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。

发明内容

鉴于目前存在的上述不足，本发明提供一种基于LASSO模型的铜期货价格预测方法，预测模型更加贴近实际，预测结果更加精确。

为达到上述目的，本发明的实施例采用如下技术方案：

一种基于LASSO模型的铜期货价格预测方法，所述预测方法包括以下步骤：

获取铜期货历史数据和影响铜期货的外源特征数据；

数据处理；

构建用于预测调整后铜主力合约价格的LASSO模型；

通过处理后的数据拟合训练LASSO模型，直到模型收敛；

获取当前日的铜主力合约数据，构建和处理后数据一样的特征输入模型进行预测；

输出预测结果。

依照本发明的一个方面，所述获取铜期货历史数据和影响铜期货的外源特征数据包括：获取铜期货近年当时的主力合约的收盘价，获取上海期货交易所铜库存总量(stock)、伦敦金属交易所铜现货价格 (spot_LME)、PHLX黄金/白银行业指数(XAU)和WTI原油现货价格(WTI) 的特征数据。

依照本发明的一个方面，所述数据处理包括：

对获取的铜期货历史数据进行滚动处理，消除铜主力合约的价格不一致性，再对其做对数处理，使其遵循正态分布；

对获取的外源特征数据做相应的变换挖掘更多的信息。

依照本发明的一个方面，所述对获取的铜期货历史数据进行滚动处理，消除铜主力合约的价格不一致性包括：

首先找出第一个主力合约的最终收盘价与第二个主力合约的第一个开盘价之间的差值；

从第二份主力合约中的所有收盘价中减去这个差值；