[发明专利]一种螺纹钢期货价格涨跌概率预测方法

说明书

本发明公开了一种螺纹钢期货价格涨跌概率预测方法，其具体方法是：从互联网与第三方数据库中收集螺纹钢特征数据；采用信息增益比结合平方误差最小化准则，保留信息增益较大的特征，生成决策树；然后通过损失函数计算每个节点的经验熵，递归地从树的叶节点向上回缩，如果将某一个父节点的所有叶节点合并，能够使得其损失函数减小，则进行剪枝，将父节点变成新的叶节点；重复此步骤，直到不能继续合并，最终降低过拟合概率；本发明提高了螺纹钢期货价格预测的速度，节省了人工分析成本，实现了人工难以完成的多维度大数据统计分析，同时模型有持续学习特点，预测精度会越来越高。

技术领域

本发明涉及期货价格预测领域，具体涉及一种螺纹钢期货价格涨跌概率预测方法。

背景技术

术语定义：

螺纹钢：螺纹钢是热轧带肋钢筋的俗称。普通热轧钢筋其牌号由HRB和牌号的屈服点最小值构成。H、R、B分别为热轧(Hotrolled)、带肋(Ribbed)、钢筋(Bars)三个词的英文首位字母。

期货：期货(Futures)与现货完全不同，现货是实实在在可以交易的货(商品)，期货主要不是货，而是以某种大众产品如棉花、大豆、石油等及金融资产如股票、债券等为标的标准化可交易合约。因此，这个标的物可以是某种商品(例如黄金、原油、农产品)，也可以是金融工具。

决策树：决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。

拟合：形象的说，拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。

机器学习：机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

预测模型：预测模型是在采用定量预测法进行预测时，最重要的工作是建立预测数学模型。预测模型是指用于预测的，用数学语言或公式所描述的事物间的数量关系。它在一定程度上揭示了事物间的内在规律性，预测时把它作为计算预测值的直接依据。因此，它对预测准确度有极大的影响。任何一种具体的预测方法都是以其特定的数学模型为特征。预测方法的种类很多，各有相应的预测模型。

基差：基差是某一特定商品于某一特定的时间和地点的现货价格与期货价格之差。它的计算方法是现货价格减去期货价格。若现货价格低于期货价格，基差为负值；现货价格高于期货价格，基差为正值。

过拟合：过拟合是指为了得到一致假设而使假设变得过度严格。避免过拟合是分类器设计中的一个核心任务。通常采用增大数据量和测试样本集的方法对分类器性能进行评价。

现有技术方案《一种塑料原料成交价格趋势预测方法及装置》通过获取预设历史时间段内塑料原料的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据；按照预设条件对订单数据进行筛选；根据筛选后的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据，计算预设未来时间段内塑料原料的预估成交价格。

现有技术方案的缺点：

1.未针对螺纹钢品种特征分析，不可用于螺纹钢期货涨跌预测。

2.未使用机器学习技术，不具备自学特性，且需要人工手动反复调整参数，费时费力。

3.分析速度慢，大数据场景不适用，增加特征工作量大。

发明内容