钢厂期货交易方法及系统技术方案

本发明专利技术涉及一种钢厂期货交易方法和交易系统，属于互联网技术领域。采用了该发明专利技术的钢厂期货交易方法和交易系统，可利用网络获取与调价相关的关联指标的历史数据；进而建立钢厂期货调价预测模型；确定调价后的期货价格；并根据该期货价格进行期货交易，从而保证价格预判方式依赖网络完成，因而对于技术人员的专业知识和经验积累的要求更低，便于操作，且调价方式更为客观，更利于基于互联网的期货交易的形成。且本发明专利技术的实现方式简便，应用范围也相当广泛。

Method and System of Futures Trading in Steel Mills

【技术实现步骤摘要】
钢厂期货交易方法及系统
本专利技术涉及互联网
，特别涉及利用互联网实现期货交易的
，具体是指一种钢厂期货交易方法及系统。
技术介绍
期货，是以某种特定产品，如金属制品、能源或粮产品等为标的标准化可交易合约。特定期货的供货商，如提供螺纹钢期货的钢厂，需要对于期货确定其交割时间和初始的价格。一般而言价格依据历史数据和经验决定，主观性较强，价格决定了期货交易的可能性和供货商的盈利情况。另一方面，期货市场的投资人在进行期货交易时，同样需要对于期货在交割时的现货价格进行预判，价格预判是投资人重要的投资参考，目前投资人对于价格的预判与主要根据历史数据和经验决定。现有技术的缺点在于，缺乏有效的价格预判机制，主要依靠经验判断，误差较大，不利于期货交易达成。
技术实现思路
本专利技术的目的是克服了上述现有技术中的缺点，提供一种利用网络获取与调价相关的关联指标的历史数据；进而建立钢厂期货调价预测模型；确定调价后的期货价格；并根据该期货价格进行期货交易，从而保证价格预判方式依赖网络完成，更为客观，更利于基于互联网的期货交易形成的钢厂期货交易方法及系统。为了实现上述的目的，本专利技术的钢厂期货交易方法包括以下步骤：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。该钢厂期货交易方法中，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；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。该钢厂期货交易方法中，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。该钢厂期货交易方法中，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，确定该高纬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，并将将准确率最高时的训练模型作为最优的SVM二分类模型。该钢厂期货交易方法中，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。该钢厂期货交易方法中，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。该钢厂期货交易方法中，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ntree，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～ntree；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。该钢厂期货交易方法中，所述的根据所述的钢厂期货调价预测模型确定期货价格，具体包括以下步骤：获取待预测钢厂期货调价前一月的关联指标的变量特征向量值；将所述的变量特征向量值输入所述的SVM二分类模型，得到钢厂期货调价方向的预测结果为：调价或不调价；将所述的变量特征向量值输入所述的n个随机森林回归模型，得到n个预测结果h(i)，i＝1～n；根据所述的n个预测结果的平均值确定钢厂期货调价幅度的预测结果H；若所述的钢厂期货调价方向的预测结果为不调价，则以钢厂期货的当前价格确定期货价格；若所述的钢厂期货调价方向的预测结果为调价，则根据所述的钢厂期货调价幅度的预测结果H确定期货价格。该钢厂期货交易方法中，所述的将所述的变量特征向量值输入所述的n个随机森林回归模型，得到n个预测结果h(i)，i＝1～n，具体包括以下步骤：从当前决策树CART的根节点开始，根据当前节点的阈值θ，若小于阈值θ则进入左节点，若大于等于阈值θ则进入右节点，直到到达某个所述的叶节点，并输出当前决策树CART的预测值；以一个随机森林回归模型中所有决策树CART的预测值的平均值作为该随机森林回归模型的预测结果。该钢厂期货交易方法中，所述的根据所述的期货价格进行期货交易，具体为：供货方依据所述的期货价格将产品投放至期货交易市场并根据期货交易市场规则实现期货交易；或期货交易参与方根据所述的期货价格判断是否订立期货交易合同。本专利技术还提供一种钢厂期货交易系统，该系统包括：期货定价服务器和期货交易服务器。其中，期货定价服务器用以根据所述的历史数据建立钢厂期货调价方向预测模型及钢厂期货调价幅度预测模型；并根据所述的钢厂期货调价方向预测模型和所述的钢厂期货调价幅度预测模型确定期货价格；期货交易服务器用以根据所述的期货价格进行期货交易。采用了该专利技术的钢厂期货交易方法和交易系统，其可利用网络获取与调价相关的关联指标的历史数据；进而建立钢厂期货调价预测模型；确定调价后的期货价格；并根据该期货价格进行期货交易，从而保证价格预判方式依赖网络完成，因而对于技术人员的专业知识和经验积累的要求更低，便于操作，且调价方式更为客观，更利于基于互联网的期货交易的形成。且本专利技术的实现方式简便，应用范围也相当广泛。附图说明图1为本专利技术的钢厂期货交易方法的步骤流程图。图2为本专利技术的本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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。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；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。4.根据权利要求3所述的钢厂期货交易方法，其特征在于，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，确定该高纬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，并将将准确率最高时的训练模型作为最优的SVM二分类模型。5.根据权利要求4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。6.根据权利要求5所述的钢厂期货交易方法，其特征在于，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。7.根据权利要求6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...

【专利技术属性】
技术研发人员：邹晓峰，万仕龙，冯若寅，
申请(专利权)人：欧冶云商股份有限公司，
类型：发明
国别省市：上海,31