[發明專利]一種螺紋鋼期貨價格漲跌概率預測方法

在審

• 申請號: 201811403947.1
• 申請日: 2018-11-23
• 公開（公告）號: CN109658241A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 周振華
• 申請（專利權）人: 成都知道創宇信息技術有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06Q30/02;G06Q10/04;G06F17/18
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 卓仲陽

1.一種螺紋鋼期貨價格漲跌概率預測方法，其特征在于，包括以下步驟：

(1)、學習樣本數據收集；包括從互聯網上爬取數據和從第三方數據庫采購數據；

(2)、數據入庫：獲取數據后，將數據存入數據庫，入庫時整理并計算好所有特征值，以便后續用作訓練與測試數據；

(3)、數據特征選取與計算

取出數據庫中連續一段時間的數據作為訓練數據集D；取另一段與數據集D不重復的數據作為測試數據集T；輸入訓練數據集D和特征A；

分別計算數據集D的經驗熵H(D)、特征A對數據集D的經驗條件熵H(D|A)、信息增益g(D,A)、信息增益比gR(D|A)；

(4)、決策樹模型生成與剪枝

采用CART算法與平方誤差最小化準則生成決策樹，CART假設決策樹是一個二叉樹，通過遞歸地二分每個特征，將特征空間劃分為有限個單元，并在這些單元上確定預測的概率分布；構建完決策樹后，對決策樹進行減枝，將噪聲節點移除；決策樹的剪枝通過極小化決策樹整體的損失函數來實現；

(5)、模型測試：輸入之前準備好的測試數據集T，并比對模型輸出與目標值間的誤差值，衡量模型訓練結果的好壞；當預測準確率超過70％，用于下一步訓練；

(6)、輪訓：將數據倉庫中的老數據分為多組訓練樣本測試數據完成多輪訓練，并持續獲取未來產生的新數據作為訓練樣本與測試數據，重復2-5步驟反復迭代模型輪訓，提高精度達到指定值，輸出模型；

(7)、輸入最新數據集，輸出螺紋鋼未來期貨價格漲跌預測結果。

2.根據權利要求1所述的一種螺紋鋼期貨價格漲跌概率預測方法，其特征在于，所述從互聯網上爬取數據，是使用定時腳本爬取對應頁面并解析，將解析后的數據存入數據庫；定時爬取與解析數據的腳本，可使用Python的requests，celery，beautifulsoup4實現；所述從第三方數據庫采購數據，包括免費和付費使用；

所述數據包括港口庫存數據、注冊倉單數據、現貨數據、期貨數據和基差數據；將數據清洗整理并按天為單位合并后存入數據庫；

當某種數據采樣時間單位小于一天時，取當天所有數據的平均值；

不使用任何采樣時間單位大于一天的數據。

3.根據權利要求2所述的一種螺紋鋼期貨價格漲跌概率預測方法，其特征在于，所述特征值計算公式如下：

港口庫存變化量＝港口庫存量-港口庫存量前值

注冊倉單變化量＝注冊倉單量-注冊倉單前值

基差＝現貨價格-期貨價格

基差率＝基差/現貨價格

相對基差＝基差-平均基差

相對基差率＝相對基差/現貨價格

其他特征直接來源于數據庫數據值；

所述其他特征包括現貨3日均價，現貨7日均價，現貨15日均價，現貨30日均價。

4.根據權利要求2所述的一種螺紋鋼期貨價格漲跌概率預測方法，其特征在于，所述特征選取，其中期貨價格數據作為模型輸出，其他特征數據作為模型輸入；當前數據集D樣本容量為|D|,有k個類別C_k，|C_k|為類別C_k的樣本個數，某一特征A有n個不同的取值a₁,a₂,……,a_n；根據特征A的取值可將數據集D劃分為n個子集D₁,D₂,……,D_n，|D_i|為D_i的樣本個數，并記子集D_i中屬于類C_k的樣本的集合為D_ik,|D_ik|為D_ik的樣本個數。

5.根據權利要求4所述的一種螺紋鋼期貨價格漲跌概率預測方法，其特征在于，所述數據集D的經驗熵H(D)計算式為

熵值表達了該數據樣本的隨機性，即混亂程度。