20251128-华泰期货-量化年报_专家+AI_大宗商品价格预测新范式_53页_3mb

报告总结

华泰期货研究2025年量化年报提出了一种基于“专家行业经验+AI模型”深度融合的大宗商品价格预测新范式，旨在提升预测精准度，并为产业企业与投资机构在高波动市场中提供可追溯的决策支持。

该范式以全维度数据为根基，构建了长中短期全周期研究框架，通过算法筛选与专家论证机制，结合计量模型、集成学习和深度学习等多层预测模型进行价格预测，并融入情景分析应对极端场景。

机器学习与量化研究摘要

• 市场环境挑战：2025年大宗商品价格波动加剧，呈现左偏与肥尾特征，扰动因素多元，需要更高频响应与量化工具决策。
• 数据收集体系：构建包含宏观经济、产业链、量价信号等多维度数据，具体涵盖高阶算法与金融数据终端，数量超过200万。
• 框架构建：
  • 三层逻辑框架：
    • 长期：经济趋势与产业链价值链；
    • 中期：供需均衡与博弈；
    • 短期：消息与情绪驱动。
  • 多算法筛选：
    • 因子筛选：皮尔逊相关、信息增益、最大信息系数等算法量化核心因子；
    • 动态机制：每月动态调整因子组合，适应市场变化。
• 预测模型分类：
  • 周频系统：强调短期波动，滤波高频消息，响应市场变化。
  • 月度系统：理解趋势方向，捕捉周期变化，支持结构分析与宏观组合。
• 验证与情景推演：
  • 通过双模型架构（如XGBoost、LSTM）验证模型效果；
  • 引入专家和用户自定义的情景分析模块，提升定价灵活性。

商品价格预测案例分析

铜价预测

• 框架构建：
  • 结合矿山、冶炼、终端消费及金融博弈分析逻辑；
  • 数据池囊括宏观因子、价格、库存、可交割量、基金持仓等全链条信息。
• 降维：使用递归特征消去法（RFE）筛选出前18个核心因子，并通过线性与树模型双重评估。
• 预测效果：
  • 样本外日频预测方向准确率达56.6%，盈亏比1.355；
  • 动态因子组合相比固定组合，预测表现更优，在错误率和收益比均显著提升。

碳酸锂价格预测

• 框架构建：
  • 涵盖资源端、存量产能、政策演变、终端需求及融资周期；
  • 周频与月度预测适配不同策略层面。
• 降维与因子筛选：
  • 8个核心因子组合，周频预测MAPE 1.68%，月频预测MAPE 7.12%；
  • 动态因子机制显著稳定模型响应，月度模型盈亏比达1.974。
• 双频协同策略优势显现：
  • 周频针对短线行情，月频针对中长期战略。

总结

报告提出的方法具有四个优势：

1. 科学性：替代主观判断，基于大量数据与模型验证增强可信度；
2. 有效性：高精度参数化预测支持行动；
3. 解释性：模型返回分析逻辑与关键因子，用于归因；
4. 控风险：情景推广审视尾部风险，实现决策优化。

此价格预测体系已在华泰天玑平台产品化落地，未来持续优化模型与数据维度，提升价格情景理解与预测响应能力，为市场交易者提供全面支持。