[發明專利]一種基于機器學習的鋼鐵產品價格預測系統和方法

在審

• 申請號: 202011114311.2
• 申請日: 2020-10-19
• 公開（公告）號: CN111932044A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 王匯豐;胡燕;張春前;王凱
• 申請（專利權）人: 東方鋼鐵電子商務有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q30/02;G06Q50/04;G06K9/62;G06N20/00
• 代理公司: 上海集信知識產權代理有限公司 31254
• 代理人: 李玲

1.一種基于機器學習的鋼鐵產品價格預測系統，其特征在于包括：

價格預測指標篩選模塊，用于選取一個或多種價格預測相關數據作為價格預測指標，通過數據透視、機器學習與業務經驗驗證，確定數據樣本結構；

價格預測模型樣本確定模塊，用于利用所述價格預測指標根據業務規則進行數據篩選和整合，以構建機器學習模型的訓練樣本，建立基于業務場景修正后的算法模型；

價格預測模型建立模塊，用于對產品參數用所述算法模型來分解趨勢特征、季節特征和隨機特征分項，融合其中的趨勢特征分項、一個或多個多源數據的趨勢性和本身趨勢，作為新趨勢替換原時序的趨勢項，加上原時序的季節項和誤差項作為預測值，以建立價格預測模型；和

價格預測模塊，用于利用價格預測模型建立模塊所建立的價格預測模型對歷史價格走勢進行預測，和/或對未來價格走勢進行預測。

2. 如權利要求1所述的鋼鐵產品價格預測系統，其特征在于，所述價格預測指標篩選模塊之前還包括：

歷史價格走勢獲取模塊，用于獲取歷史現貨價格走勢數據，和/或根據歷史現貨價格走勢數據確定趨勢性因素預測數值、季節性因素預測數值和隨機性因素預測數值，所述趨勢性因素預測數值用于表示價格數據的變化趨勢的預測值，所述季節性因素預測數值用于表示價格數據的季節性因素的預測值，所述隨機性因素預測數值用于表示價格數據受特殊事件沖擊式影響產生價格波動幅度的預測值；和/或

價格相關性/回歸性分析模塊，用于根據所述歷史現貨價格走勢來分析現貨產品參數之間的價格的相關性，和/或對所述典型產品參數進行價格回歸分析和/或合并，其中所述產品參數包括產品的基地、牌號、厚度、寬度和/或重量中的一個或多個；

所述價格預測模塊之后還包括：

價格預測模型優化模塊，用于分析價格預測模型的不同特征分項的合理性，和/或進行業務驗證并優化。

3.如權利要求1或2所述的鋼鐵產品價格預測系統，其特征在于，所述多源數據包括期貨、現貨交易數據、鋼聯數據、基價數據、社會庫存數據、克強指數、高爐產能利用率、采購經理指數、和/或熱軋期貨主力合約價或其他因素中的一個或多個。

4.如權利要求1所述的鋼鐵產品價格預測系統，其特征在于，所述的鋼鐵產品價格預測系統采用時序序列算法進行建模和訓練，

所述價格預測模型樣本確定模塊包括：

短時序填充模塊，用于對經時序序列算法包進行時序分解的聚類后的產品成交數據，把實際成交天數小于預定時間段的時序記為短時序，隨機抽取部分成交數據填充至該時序，以構建的新時序替換所述聚類成交數據的原時序，以形成時序模型；

所述價格預測模型建立模塊包括：

趨勢項計算模塊，用于獲取克強指數數據，通過在模型訓練時間，調用時序序列算法包訓練所述時序模型并預測預定預測長度的克強指數，以獲得克強指數趨勢；

趨勢融合調整模塊，用于對填充后的時序調用時序序列算法包訓練所述時序模型，用移動平均平滑季節項，其中根據所述克強指數趨勢和年度周期性進行預測，再融合一個或多個多源數據的趨勢性和本身趨勢，作為新趨勢替換原時序模型的趨勢項，加上原時序的季節項和誤差項作為預測值。

5. 如權利要求4所述的鋼鐵產品價格預測系統，其特征在于，所述短時序填充模塊之前還包括：

數據篩選/聚類模塊，用于根據業務場景和需求，對原始的產品成交數據進行數據篩選與聚類，分析數據的離散度，確定數據聚類結構，包括基地、牌號、厚度、寬度和/或重量中的一個或多個；和/或

結構聚類模塊，用于結合業務需求與數據驗證，對部分數據聚類結構進行聚類，包括結合業務規則合并產品的相似牌號，用常用牌號代替，分析產品各厚度對應的價格分布，選取價差較小對應的產品各厚度范圍，合并產品厚度范圍內厚度，和/或產品寬度和重量按厚度歸并的方法分別歸并；和/或

時序構建模塊，用于對聚類后的成交數據，分結構計算歷史的每日成交價格，若當日無成交則按照前一日價格填充，以構建各結構的時序；和/或

所述趨勢融合調整模塊之后還包括：

預測值調整優化模塊，用于把預測值上調今日較昨日的差值，再對預測值做中心移動平均的平滑處理，以輸出最終預測值。