[发明专利]一种基于机器学习的钢材产品现货定价系统和方法

权利要求书

1.一种基于机器学习的钢材产品现货定价系统，其特征在于，包括：

数据探查模块，用于对产品现货相关数据进行探查，设定不同组合的层次化归并逻辑和条件，以确定用于建立模型的分析维度；

模型建立模块，用于根据数据探查模块所确定的分析维度，通过机器学习来建立用以预测是否加价的随机森林分类模型和用以预测加价幅度的多元回归模型。

2.如权利要求1所述的钢材产品现货定价系统，其特征在于，所述数据探查模块还用于：

基于产品的业务特征、产品的捆包规格属性和/或分析要求，对产品相关数据进行清洗和/或过滤；和/或

根据业务需求来筛选典型牌号、典型厚度和/或典型吨重的捆包作为数据对象；和/或

根据产品结构由粗到细和/或由品种到厚度进行细分，设定不同组合的层次化归并逻辑和条件，以对产品结构进行梳理归并；和/或

确定用于定价的分析维度。

3.如权利要求1或2所述的钢材产品现货定价系统，其特征在于，所述模型建立模块还用于：

根据业务经验确定捆包的每个维度对捆包价格的影响度；和/或

按照牌号、规格、和/或制造基地中的一个或多个维度将捆包划分成一个或多个区间，使得每个区间内的捆包的各维度都相似或相同；和/或

通过将各区间内的历史投放未成交的捆包和历史投放已成交的捆包作为训练样本，将是否成交、未竞价成交、竞价成交以及竞价幅度中的一个或多个维度作为学习特征，通过机器学习，根据近期的历史成交数据寻找是否相似的捆包，划分成df_found和df_ not_found两个数据集，针对两个数据集分别构建随机森林分类模型；和/或

通过将各区间内的历史捆包作为训练样本，近期捆包作为验证样本，构建用以预测加价幅度的多元回归模型；和/或

利用双模型联合定价，将待预测捆包先经过预测是否加价的随机森林分类模型来判断其是否应该加价，需要加价的捆包再经过预测加价幅度的多元回归模型来计算得到柔性定价的数额。

4.一种基于机器学习的钢材产品现货定价方法，其特征在于，包括：

对产品现货相关数据进行探查，设定不同组合的层次化归并逻辑和条件，以确定用于建立模型的分析维度；

根据数据探查模块所确定的分析维度，通过机器学习来建立用以预测是否加价的随机森林分类模型和用以预测加价幅度的多元回归模型。

5.如权利要求4所述的钢材产品现货定价方法，其特征在于，还包括：

基于产品的业务特征、产品的捆包规格属性和/或分析要求，对产品相关数据进行清洗和/或过滤；和/或

根据业务需求来筛选典型牌号、典型厚度和/或典型吨重的捆包作为数据对象；和/或

根据产品结构由粗到细和/或由品种到厚度进行细分，设定不同组合的层次化归并逻辑和条件，以对产品结构进行梳理归并；和/或

确定用于定价的分析维度。

6. 如权利要求4或5所述的钢材产品现货定价方法，其特征在于，还包括：

根据业务经验确定捆包的每个维度对捆包价格的影响度；和/或

按照牌号、规格、和/或制造基地中的一个或多个维度将捆包划分成一个或多个区间，使得每个区间内的捆包的各维度都相似或相同；和/或

通过将各区间内的历史投放未成交的捆包和历史投放已成交的捆包作为训练样本，将是否成交、未竞价成交、竞价成交以及竞价幅度中的一个或多个维度作为学习特征，通过机器学习，根据近期的历史成交数据寻找是否相似的捆包，划分成df_found和df_ not_found两个数据集，针对两个数据集分别构建随机森林分类模型；和/或

通过将各区间内的历史捆包作为训练样本，近期捆包作为验证样本，构建用以预测加价幅度的多元回归模型；和/或

利用双模型联合定价，将待预测捆包先经过预测是否加价的随机森林分类模型来判断其是否应该加价，需要加价的捆包再经过预测加价幅度的多元回归模型来计算得到柔性定价的数额。