[发明专利]钢厂期货交易方法及系统

权利要求书

1.一种钢厂期货交易方法，其特征在于，所述的方法包括以下步骤：

获取与钢厂期货调价相关的关联指标的历史数据；

根据所述的历史数据建立钢厂期货调价预测模型；

根据所述的钢厂期货调价预测模型确定期货价格；

根据所述的期货价格进行期货交易；

其中，所述的根据所述的历史数据建立钢厂期货调价预测模型，具体包括：

根据所述的历史数据建立用以预测钢厂期货调价方向的SVM二分类模型；

根据所述的历史数据建立用以预测钢厂期货调价幅度的随机森林回归模型；

所述的根据所述的历史数据建立用以预测钢厂期货调价方向的SVM二分类模型，具体包括以下步骤：

以所述的关联指标的历史数据及钢厂期货调价数据作为训练样本，依时间顺序将所述的历史数据中的前2/3作为训练集，将后1/3作为测试集；

将所述的训练样本中，钢厂期货调价的样本作为正样本，未调价的样本作为负样本；

将归一化后的正负样本特征向量输入SVM，将各样本映射到高维度空间，确定该高维度空间中各样本线性可分的最优分类超平面，使得正负支持向量间隔距离最大，并将准确率最高时的训练模型作为最优的SVM二分类模型；

所述的根据所述的历史数据建立用以预测钢厂期货调价幅度的随机森林回归模型，具体包括以下步骤：

通过相关性分析，删除与预测目标值相关性低的特征，并删除存在共线性的特征；

采用随机森林回归算法，计算得到特征的重要性排序，选择前N个特征作为候选特征集；

训练n个随机森林回归模型，第i个随机森林回归模型的建模特征从候选特征集中取前N-n+i个特征，i＝1～n；

所述的与钢厂期货调价相关的关联指标包括：铁矿石价格、焦炭产量、焦炭库存、钢材各品种社会库存、PMI、钢材现货价格、城市空气指标、钢厂产能利用率、钢厂开工率、白色家电销量、汽车产销量、上市钢铁企业财务指标、GDP、货币供应量、通货膨胀率、国家外汇储备和固定资产投资。

2.根据权利要求1所述的钢厂期货交易方法，其特征在于，

所述的获取与钢厂期货调价相关的关联指标的历史数据的步骤具体为：

利用网络获取部分或全部所述的关联指标在同一时间段内的历史数据；

根据确定的时间周期，将所获取的关联指标的历史数据对齐到统一的颗粒度。

3.根据权利要求1所述的钢厂期货交易方法，其特征在于，所述的SVM二分类模型为C-支持向量分类机，参数C为惩罚系数；所述的SVM二分类模型包括核函数，该核函数为RBF核函数，其表达式为：

K(u,v)＝exp(-gamma*||u-v||*||u-v||)，

其中，gamma为RBF核函数的参数，利用训练样本确定最高准确率的C以及gamma。

4.根据权利要求1所述的钢厂期货交易方法，其特征在于，训练所述的随机森林回归模型的过程包括以下步骤：

a、给定训练集S、测试集T、和特征维数F，

确定以下参数：

使用到的CART决策树的数量n_tree，每棵树的深度d，每个节点使用到的特征数量f，

确定终止条件：

节点上最少样本数s，节点上最少的信息增益m，对于第j棵树，j＝1～n_tree；

b、从训练集S中有放回的抽取大小和训练集S一样的训练集S(j)，作为根节点的样本，从根节点开始训练；

c、如果在当前节点上达到所述的终止条件，则设置当前节点为叶节点，预测输出为当前节点样本集各个样本值的平均值；

如果在当前节点上未达到所述的终止条件，则从F维特征中无放回地随机选取f维特征，利用该f维特征，则根据当前节点训练集的方差Var减去左子节点的方差VarLeft和右子节点的方差VarRight的最大值，确定回归效果最好的一维特征k及其阈值θ，当前节点上样本第k维特征小于阈值θ的样本被划分到左节点，其余的被划分到右节点；

d、判断当前决策树CART的所有节点是否都已被训练，若否，则返回步骤b，若是，则进入步骤e；

e、判断是否所有决策树CART都已被训练，若否，则返回步骤b，若是，则完成所述的随机森林回归模型的训练。