緒論研究背景鋼鐵作為基礎(chǔ)工業(yè)門(mén)類(lèi)是現(xiàn)代工業(yè)發(fā)展的脊梁和基礎(chǔ)，也是基礎(chǔ)設(shè)施建設(shè)和制造業(yè)發(fā)展的重要支撐，鋼鐵行業(yè)的發(fā)展直接決定了我國(guó)現(xiàn)代化程度的水平。人們可以利用鋼鐵建設(shè)高樓大廈、鐵路橋梁，用來(lái)加工生產(chǎn)制造汽車(chē)、機(jī)械裝置等，鋼鐵是一切發(fā)展的根本，關(guān)系到國(guó)家發(fā)展態(tài)勢(shì)，而且就國(guó)內(nèi)外現(xiàn)在存在的各種情況來(lái)說(shuō)，鋼鐵的發(fā)展也還是跟人的生活息息相關(guān)。無(wú)論是城市的摩天大樓還是修建設(shè)備運(yùn)輸人們的鐵路橋梁，鋼鐵都是其基礎(chǔ)建設(shè)的主體部分；而現(xiàn)在的制造業(yè)更是離不開(kāi)鋼鐵，如汽車(chē)的車(chē)身、發(fā)動(dòng)機(jī)、機(jī)械裝備的各個(gè)零部件，甚至是一顆小小的螺絲釘都是由鋼鐵制造而成的。每一處細(xì)節(jié)都是影響著它的性能和使用壽命以及產(chǎn)品質(zhì)量。鋼鐵價(jià)格不是固定不變的，它是眾多因素綜合作用下形成的波動(dòng)態(tài)勢(shì)。從原材料角度看，鋼鐵原材料主要包括鐵礦石、煤炭等，原材料價(jià)格波動(dòng)直接影響到鋼鐵生產(chǎn)成本，當(dāng)鐵礦石價(jià)格大幅上漲時(shí)，鋼鐵企業(yè)生產(chǎn)成本也隨之上漲，在保持一定利潤(rùn)的前提下，鋼鐵價(jià)格也相應(yīng)提高；此外，市場(chǎng)供求關(guān)系也是影響鋼鐵價(jià)格的主要原因，在經(jīng)濟(jì)飛速發(fā)展的過(guò)程中，無(wú)論是基礎(chǔ)設(shè)施建設(shè)還是房地產(chǎn)建設(shè)、制造業(yè)的發(fā)展都需要大量的鋼鐵，如果供給量少，則會(huì)拉動(dòng)價(jià)格上揚(yáng)；反之，當(dāng)經(jīng)濟(jì)減速時(shí)，鋼鐵供給量大于實(shí)際需求量時(shí)則又會(huì)導(dǎo)致價(jià)格下滑。除此外，宏觀經(jīng)濟(jì)環(huán)境、政策因素及國(guó)際貿(mào)易情況都會(huì)對(duì)鋼鐵價(jià)格產(chǎn)生較大的影響。當(dāng)經(jīng)濟(jì)繁榮，工業(yè)生產(chǎn)和鋼鐵需求都大幅上升時(shí)，鋼鐵價(jià)格會(huì)上升；而環(huán)保管控趨嚴(yán)使一些企業(yè)減產(chǎn)停產(chǎn)，鋼企減少鋼鐵供給亦能抬高鋼鐵價(jià)格；鋼鐵貿(mào)易摩擦及進(jìn)出口政策變動(dòng)也將會(huì)影響到我國(guó)的鋼鐵進(jìn)出口情況，會(huì)對(duì)我國(guó)國(guó)內(nèi)市場(chǎng)價(jià)格產(chǎn)生一定的影響。這對(duì)鋼鐵行業(yè)的影響非常大，在當(dāng)前鋼價(jià)的影響下，鋼鐵行業(yè)及上下游關(guān)聯(lián)產(chǎn)業(yè)都受波及，處于發(fā)展的不穩(wěn)定期，對(duì)于鋼鐵企業(yè)來(lái)說(shuō)，如果鋼價(jià)太高了會(huì)加大經(jīng)營(yíng)風(fēng)險(xiǎn)、增加生產(chǎn)與銷(xiāo)售風(fēng)險(xiǎn)，使得經(jīng)營(yíng)陷入不確定性當(dāng)中，在鋼價(jià)上漲過(guò)程中會(huì)享受到高額收益；如果鋼價(jià)下跌，鋼鐵企業(yè)就會(huì)面臨虧損風(fēng)險(xiǎn)，經(jīng)營(yíng)壓力較大。至于鋼鐵下游行業(yè)比如建筑、汽車(chē)、機(jī)械制造等等，一旦鋼價(jià)出現(xiàn)上下浮動(dòng)都會(huì)直接造成企業(yè)的生產(chǎn)成本以及產(chǎn)品售價(jià)發(fā)生變化，鋼鐵價(jià)格上揚(yáng)勢(shì)必會(huì)造成建筑方面建設(shè)成本猛增，有可能會(huì)讓一些建筑工程項(xiàng)目出現(xiàn)超支的情況，有的甚至?xí)黄韧Ｖ够蚴枪て谘悠?；另外，鋼鐵的價(jià)格波動(dòng)還會(huì)帶來(lái)汽車(chē)的生產(chǎn)成本的變化，直接導(dǎo)致汽車(chē)產(chǎn)業(yè)的價(jià)格以及銷(xiāo)售情況都隨之變動(dòng)，同樣的還有機(jī)械制造、家電等行業(yè)也都會(huì)因?yàn)殇搩r(jià)變化產(chǎn)生不同程度的影響。一些企業(yè)也會(huì)因?yàn)殇撹F價(jià)格波動(dòng)受到影響，在產(chǎn)品的生產(chǎn)、銷(xiāo)售以及市場(chǎng)競(jìng)爭(zhēng)中出現(xiàn)問(wèn)題。隨著信息技術(shù)的發(fā)展，作為人工智能重要的分支之一，機(jī)器學(xué)習(xí)依靠強(qiáng)大的數(shù)據(jù)處理和分析功能，應(yīng)用廣泛。以鋼鐵價(jià)格預(yù)測(cè)為例，采用機(jī)器學(xué)習(xí)方法，可以將諸多影響因素都包含進(jìn)來(lái)，例如鋼鐵成本(鋼鐵成本的主要部分是原材料價(jià)格)、市場(chǎng)供求情況、宏觀經(jīng)濟(jì)指標(biāo)等等，并且通過(guò)合適的模型對(duì)未來(lái)一段時(shí)間內(nèi)的鋼鐵價(jià)格走勢(shì)做出預(yù)測(cè)，有利于幫助鋼鐵企業(yè)或者相關(guān)的投資者更好地了解未來(lái)的市場(chǎng)情況以及價(jià)格波動(dòng)情況，從而準(zhǔn)確把握市場(chǎng)價(jià)格變化中存在的各種風(fēng)險(xiǎn)和機(jī)會(huì)。研究意義就研究?jī)?nèi)容來(lái)說(shuō)，本項(xiàng)工作是基于機(jī)器學(xué)習(xí)模型應(yīng)用于鋼鐵價(jià)格預(yù)測(cè)領(lǐng)域的相關(guān)理論探索，旨在完善機(jī)器學(xué)習(xí)模型在價(jià)格預(yù)測(cè)方面的應(yīng)用，并對(duì)機(jī)器學(xué)習(xí)模型的應(yīng)用范圍進(jìn)行拓展。目前關(guān)于金融市場(chǎng)價(jià)格預(yù)測(cè)相關(guān)的研究較多，但是對(duì)于具體的鋼鐵價(jià)格預(yù)測(cè)領(lǐng)域仍存在著諸多不足和缺陷，現(xiàn)有實(shí)踐證明，利用機(jī)器學(xué)習(xí)模型進(jìn)行鋼鐵價(jià)格預(yù)測(cè)還存在著大量的發(fā)展空間。對(duì)于鋼鐵企業(yè)而言，通過(guò)對(duì)價(jià)格的精準(zhǔn)預(yù)測(cè)可以及時(shí)有效的做好企業(yè)經(jīng)營(yíng)、生產(chǎn)的相關(guān)工作，在企業(yè)經(jīng)營(yíng)效益方面也有著較好的體現(xiàn)，針對(duì)不同鋼材的市場(chǎng)價(jià)格走勢(shì)，有的放矢地對(duì)企業(yè)經(jīng)營(yíng)管理工作進(jìn)行部署，達(dá)到及時(shí)調(diào)整生產(chǎn)數(shù)量的目的，合理安排企業(yè)的庫(kù)存數(shù)量。當(dāng)市場(chǎng)價(jià)格上漲時(shí)可以適當(dāng)增加產(chǎn)品的生產(chǎn)和儲(chǔ)存量，以便更好的滿足市場(chǎng)需求從而獲得較高的利潤(rùn)，而市場(chǎng)價(jià)格下降時(shí)則應(yīng)減產(chǎn)減少庫(kù)存，防止市場(chǎng)價(jià)格下跌給企業(yè)帶來(lái)的損失。準(zhǔn)確的鋼鐵價(jià)格預(yù)測(cè)對(duì)于鋼鐵市場(chǎng)秩序的平穩(wěn)和鋼鐵行業(yè)的健康發(fā)展具有重要的意義，有助于鋼鐵市場(chǎng)保持相對(duì)穩(wěn)定，能夠緩解市場(chǎng)價(jià)格的大起大落現(xiàn)象，有效指導(dǎo)合理調(diào)配鋼鐵資源，協(xié)調(diào)上下游鋼鐵產(chǎn)業(yè)鏈的協(xié)同發(fā)展，有助于促使我國(guó)鋼鐵行業(yè)穩(wěn)定快速發(fā)展，促進(jìn)整個(gè)國(guó)民經(jīng)濟(jì)的穩(wěn)步運(yùn)行。2、數(shù)據(jù)收集與預(yù)處理2.1數(shù)據(jù)來(lái)源為了進(jìn)行鋼鐵價(jià)格預(yù)測(cè)的分析，本次研究收集了2010-2025年期間與中國(guó)鋼鐵市場(chǎng)相關(guān)的數(shù)據(jù)，并對(duì)收集的數(shù)據(jù)進(jìn)行了系統(tǒng)的整理和預(yù)處理。從中國(guó)鋼鐵工業(yè)年鑒、國(guó)家數(shù)據(jù)中心、蘭格鋼鐵信息網(wǎng)等多個(gè)渠道收集鋼鐵相關(guān)數(shù)據(jù)。從“蘭格鋼鐵信息網(wǎng)”獲取了螺紋鋼、熱軋板卷、冷軋板卷等主要鋼材品種的價(jià)格數(shù)據(jù)，從“國(guó)家數(shù)據(jù)中心”收集了鋼材產(chǎn)量當(dāng)期值（萬(wàn)噸）、鋼材出口數(shù)量（萬(wàn)噸）等市場(chǎng)供需數(shù)據(jù)，以及國(guó)內(nèi)生產(chǎn)總值（GDP）、房地產(chǎn)新開(kāi)工施工面積累計(jì)值（萬(wàn)平方米）、居民消費(fèi)價(jià)格指數(shù)、人民幣對(duì)美元匯率等宏觀經(jīng)濟(jì)指標(biāo)數(shù)據(jù)。2.2數(shù)據(jù)清洗在收集到鋼鐵相關(guān)數(shù)據(jù)后，原始數(shù)據(jù)可能存在各種問(wèn)題，如缺失值、重復(fù)值等，需要進(jìn)行數(shù)據(jù)清洗以提高數(shù)據(jù)質(zhì)量。對(duì)于缺失值的處理，使用Python中的pandas庫(kù)中的fillna()函數(shù)來(lái)填充數(shù)據(jù)集中的缺失值；用drop_duplicates()函數(shù)來(lái)刪除數(shù)據(jù)集中的重復(fù)值，確保后面數(shù)據(jù)分析和建模的準(zhǔn)確性。2.3數(shù)據(jù)特征工程對(duì)數(shù)據(jù)進(jìn)行了特征工程處理，包括識(shí)別數(shù)據(jù)中的數(shù)值型特征、使用StandardScaler()進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化、MinMaxScaler()進(jìn)行數(shù)據(jù)歸一化、用方差閾值法進(jìn)行特征選擇，以消除不同特征之間的量綱差異，使模型更容易收斂。通過(guò)相關(guān)性分析和主成分分析及相關(guān)性熱力圖，選擇與鋼鐵價(jià)格相關(guān)性較高的特征作為模型的輸入，如國(guó)內(nèi)生產(chǎn)總值、汽車(chē)產(chǎn)量、鋼材品種、鋼材出口數(shù)量等。3、數(shù)據(jù)分析與可視化3.1不同價(jià)格區(qū)間內(nèi)的鋼材數(shù)量分布圖1通過(guò)圖1比較不同條形的長(zhǎng)度，我們可以直觀地看出[3500，3800]價(jià)格區(qū)間內(nèi)的鋼材數(shù)量較多，該價(jià)格區(qū)間的市場(chǎng)供應(yīng)相對(duì)充足。3.2不同品種、地點(diǎn)、地區(qū)的平均價(jià)格對(duì)比圖2我們可以清晰地從圖2中看到無(wú)縫管、高強(qiáng)螺紋鋼和廊坊、西安、天津及中南地區(qū)的平均價(jià)格較高。對(duì)于平均價(jià)格較高的品種、地點(diǎn)或地區(qū)，可以考慮增加投入或者提供增值服務(wù)，以獲取更高的利潤(rùn)；對(duì)于平均價(jià)格較低的情況，可以?xún)?yōu)化成本結(jié)構(gòu)及采取薄利多銷(xiāo)的策略，擴(kuò)大市場(chǎng)份額。3.3鋼材產(chǎn)量當(dāng)期值（萬(wàn)噸）分析圖3從圖3中可以看出，鋼材產(chǎn)量在這期間有明顯波動(dòng)。2010-2014年呈上升趨勢(shì)，從6775.91萬(wàn)噸增長(zhǎng)到9376.50萬(wàn)噸，2008年全球金融危機(jī)后，中國(guó)大量資金投入基礎(chǔ)設(shè)施建設(shè)項(xiàng)目，如高鐵、橋梁、城市軌道交通等，這些項(xiàng)目對(duì)鋼材需求旺盛，刺激鋼鐵企業(yè)擴(kuò)大生產(chǎn)；這一時(shí)期房地產(chǎn)市場(chǎng)處于快速發(fā)展階段，商品房開(kāi)發(fā)規(guī)模不斷擴(kuò)大。2014-2018年有升有降，最低降至8531.24萬(wàn)噸，后又回升至9518.15萬(wàn)噸；2014年后，中國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài)，經(jīng)濟(jì)增速放緩，基礎(chǔ)設(shè)施建設(shè)和房地產(chǎn)市場(chǎng)熱度下降，對(duì)鋼材的需求增長(zhǎng)乏力，制造業(yè)面臨產(chǎn)能過(guò)剩、轉(zhuǎn)型升級(jí)等壓力，用鋼需求也有所減少。2018-2020年鋼鐵產(chǎn)量快速增長(zhǎng)，2020年達(dá)到峰值11357.49萬(wàn)噸；基建補(bǔ)短板政策持續(xù)推進(jìn)，一些重大項(xiàng)目開(kāi)工建設(shè)，房地產(chǎn)市場(chǎng)也保持相對(duì)穩(wěn)定，拉動(dòng)了鋼材需求，促使企業(yè)擴(kuò)大生產(chǎn)；鋼鐵企業(yè)加大技術(shù)研發(fā)和創(chuàng)新投入，促進(jìn)生產(chǎn)效率提高，新產(chǎn)品的開(kāi)發(fā)能力增強(qiáng)，能夠更好地滿足市場(chǎng)需求，從而推動(dòng)產(chǎn)量增長(zhǎng)。2020-2022年有所下降，降至10368.80萬(wàn)噸；2020年初新冠疫情暴發(fā)，全球經(jīng)濟(jì)受到嚴(yán)重沖擊，國(guó)內(nèi)外市場(chǎng)需求下降，物流運(yùn)輸受阻，影響了鋼材的生產(chǎn)和銷(xiāo)售。2022-2024年又持續(xù)上升，到2024年為10800.25萬(wàn)噸；國(guó)際市場(chǎng)對(duì)鋼材的需求增長(zhǎng)，中國(guó)鋼鐵企業(yè)積極拓展海外市場(chǎng)，出口量增加，為企業(yè)擴(kuò)大生產(chǎn)提供了動(dòng)力。3.4房地產(chǎn)新增面積分析圖42010-2012年面積數(shù)值有所上升，房地產(chǎn)是鋼材的主要消費(fèi)領(lǐng)域，對(duì)鋼材的需求大增。在市場(chǎng)供需關(guān)系中，需求旺盛推動(dòng)鋼鐵企業(yè)擴(kuò)大生產(chǎn)，也使得鋼鐵價(jià)格有上漲動(dòng)力。2012-2016年呈下降趨勢(shì)，房地產(chǎn)新增面積下降，新開(kāi)工項(xiàng)目減少，直接導(dǎo)致對(duì)鋼材的需求降低。鋼鐵市場(chǎng)供大于求的矛盾逐漸凸顯，鋼鐵企業(yè)庫(kù)存壓力增大。為了爭(zhēng)奪有限的市場(chǎng)份額，企業(yè)可能會(huì)降低價(jià)格，使得鋼鐵價(jià)格面臨下行壓力。2018年達(dá)到一個(gè)相對(duì)高點(diǎn)，大規(guī)模的房地產(chǎn)建設(shè)工程需要消耗大量鋼材，短期內(nèi)極大地刺激了鋼材需求。鋼鐵企業(yè)訂單增加，在這種供不應(yīng)求的情況下，鋼鐵價(jià)格往往會(huì)迎來(lái)一波上漲。2020-2024年又持續(xù)下滑，房地產(chǎn)市場(chǎng)對(duì)鋼材的需求大幅縮減。鋼鐵行業(yè)本身可能還存在產(chǎn)能過(guò)剩問(wèn)題，進(jìn)一步加劇了供大于求的局面。鋼鐵企業(yè)為了去庫(kù)存，不得不降低價(jià)格，導(dǎo)致鋼鐵價(jià)格持續(xù)下降。3.5汽車(chē)產(chǎn)量當(dāng)期值（萬(wàn)輛）分析圖52010-2018年期間，汽車(chē)產(chǎn)量整體呈波動(dòng)上升趨勢(shì)，汽車(chē)產(chǎn)量整體上升，意味著汽車(chē)制造業(yè)對(duì)鋼材的需求不斷增加。在這期間，鋼鐵企業(yè)為滿足汽車(chē)行業(yè)需求會(huì)增加生產(chǎn)，一定程度上拉動(dòng)鋼鐵價(jià)格上漲。尤其是當(dāng)汽車(chē)產(chǎn)量快速增長(zhǎng)階段，鋼材需求旺盛，若鋼鐵供應(yīng)增長(zhǎng)跟不上，會(huì)使鋼材供不應(yīng)求，推動(dòng)鋼鐵價(jià)格走高。2018-2020年有所下降，汽車(chē)制造對(duì)鋼材的需求隨之減少，這會(huì)使鋼鐵市場(chǎng)供大于求的局面加劇，鋼鐵企業(yè)庫(kù)存壓力增大。鋼鐵企業(yè)為了消化庫(kù)存，可能會(huì)降低價(jià)格，從而導(dǎo)致鋼鐵價(jià)格下跌。2020-2024年又呈現(xiàn)上升趨勢(shì)，鋼鐵價(jià)格有上漲的趨勢(shì)。不過(guò)，鋼鐵行業(yè)本身存在產(chǎn)能過(guò)剩問(wèn)題，即便汽車(chē)產(chǎn)量增加帶來(lái)部分需求增長(zhǎng)，也可能因整體供大于求，使得鋼鐵價(jià)格上漲幅度受限，甚至價(jià)格依舊處于低位震蕩。3.6鋼材出口數(shù)量（萬(wàn)噸）分析圖62010-2015年鋼材出口數(shù)量呈上升趨勢(shì)，出口量上升，意味著國(guó)際市場(chǎng)上中國(guó)鋼材供給增加，在全球鋼鐵需求一定的情況下，供給增加會(huì)使國(guó)際鋼鐵市場(chǎng)競(jìng)爭(zhēng)加劇，導(dǎo)致國(guó)際鋼鐵價(jià)格下降；國(guó)內(nèi)鋼材仍處于產(chǎn)能過(guò)剩狀態(tài)，且出口價(jià)格低于國(guó)內(nèi)市場(chǎng)價(jià)格，鋼廠為了出口盈利，會(huì)盡量控制成本，使得國(guó)內(nèi)鋼鐵價(jià)格難以大幅上漲，而是在低位徘徊甚至繼續(xù)下跌。2015-2020年持續(xù)下降，出口減少，國(guó)內(nèi)鋼材市場(chǎng)供應(yīng)壓力增大，國(guó)內(nèi)經(jīng)濟(jì)增長(zhǎng)對(duì)鋼材消費(fèi)的帶動(dòng)作用減弱，如房地產(chǎn)、基礎(chǔ)設(shè)施建設(shè)等行業(yè)對(duì)鋼材需求不旺，導(dǎo)致國(guó)內(nèi)鋼材市場(chǎng)供大于求矛盾加劇，鋼鐵價(jià)格難以上升。2020-2024年又呈現(xiàn)上升趨勢(shì)，出口增長(zhǎng)緩解了國(guó)內(nèi)鋼材產(chǎn)能過(guò)剩的壓力，減少了國(guó)內(nèi)市場(chǎng)的供應(yīng)總量，對(duì)國(guó)內(nèi)鋼鐵價(jià)格有一定的穩(wěn)定和支撐作用，國(guó)內(nèi)需求增長(zhǎng)緩慢，鋼鐵價(jià)格上漲幅度可能有限。3.7國(guó)內(nèi)生產(chǎn)總值（億元）變化趨勢(shì)圖7觀察圖7，顯而易見(jiàn)國(guó)內(nèi)生產(chǎn)總值在這期間呈現(xiàn)持續(xù)上升的趨勢(shì)。2010年數(shù)值約為495707.60億元，之后逐年穩(wěn)步增長(zhǎng)，到2024年達(dá)到1349083.50億元。GDP增長(zhǎng)往往伴隨著基礎(chǔ)設(shè)施建設(shè)和房地產(chǎn)市場(chǎng)的發(fā)展。在2010-2024年間，隨著GDP上升，大量資金投入到交通、能源等基礎(chǔ)設(shè)施項(xiàng)目以及房地產(chǎn)開(kāi)發(fā)中。這些項(xiàng)目對(duì)鋼鐵需求巨大，直接拉動(dòng)鋼鐵價(jià)格上漲。比如高鐵建設(shè)、城市軌道交通等，需要消耗大量的鋼材。GDP增長(zhǎng)意味著制造業(yè)等工業(yè)領(lǐng)域也在擴(kuò)張，像機(jī)械制造、汽車(chē)制造等行業(yè)。例如汽車(chē)產(chǎn)量在2010-2024年也有增長(zhǎng)趨勢(shì)，這些行業(yè)對(duì)鋼鐵的需求增加，推動(dòng)鋼鐵價(jià)格上升。3.8鋼材絕對(duì)價(jià)格指數(shù)隨時(shí)間變化趨勢(shì)圖8從圖8中觀察到2010到2015年鋼材絕對(duì)價(jià)格指數(shù)越來(lái)越低。這一時(shí)期全球經(jīng)濟(jì)整體處于復(fù)蘇乏力的狀態(tài)，許多國(guó)家和地區(qū)經(jīng)濟(jì)增長(zhǎng)緩慢，導(dǎo)致對(duì)鋼材的需求減少；房地產(chǎn)市場(chǎng)在經(jīng)歷了前期的快速發(fā)展后，逐漸進(jìn)入調(diào)整期，新開(kāi)工項(xiàng)目減少，商品房庫(kù)存增加，對(duì)鋼材的需求增長(zhǎng)動(dòng)力不足；汽車(chē)制造業(yè)面臨著產(chǎn)能過(guò)剩、市場(chǎng)競(jìng)爭(zhēng)激烈、成本上升等問(wèn)題，發(fā)展速度放緩，對(duì)鋼材的需求也相應(yīng)減少。2016年鋼材絕對(duì)價(jià)格指數(shù)呈現(xiàn)觸底反彈、震蕩上行的態(tài)勢(shì)，與工業(yè)品密切相關(guān)行業(yè)的需求回暖，房地產(chǎn)開(kāi)發(fā)投資、汽車(chē)生產(chǎn)和基建投資明顯回升，帶動(dòng)鋼材價(jià)格上漲。2020到2021年鋼材絕對(duì)價(jià)格指數(shù)越來(lái)越高，2020年中國(guó)在疫情防控取得成效后，經(jīng)濟(jì)逐步復(fù)蘇，政府推動(dòng)基礎(chǔ)設(shè)施建設(shè)，房地產(chǎn)市場(chǎng)活躍，“兩新一重”領(lǐng)域建設(shè)發(fā)力；2021年，中國(guó)經(jīng)濟(jì)持續(xù)穩(wěn)定恢復(fù)，建筑、汽車(chē)、機(jī)械、家電等下游行業(yè)需求釋放較快。2022年以后鋼材絕對(duì)價(jià)格指數(shù)越來(lái)越低，中國(guó)房地產(chǎn)用鋼下滑趨勢(shì)明顯，盡管基礎(chǔ)設(shè)施建設(shè)鋼材需求量有所增長(zhǎng)，但難以抵消房地產(chǎn)建設(shè)鋼材需求量的下滑。到2024年，這種趨勢(shì)仍在延續(xù)，對(duì)鋼材需求的拉動(dòng)作用持續(xù)減弱。4、模型選擇與價(jià)格預(yù)測(cè)4.1模型分析與選擇在鋼鐵價(jià)格預(yù)測(cè)任務(wù)中，不同的機(jī)器學(xué)習(xí)模型具有各自的特點(diǎn)和適用場(chǎng)景，對(duì)模型進(jìn)行對(duì)比分析并選擇最合適的模型至關(guān)重要。線性回歸模型基于變量之間的線性關(guān)系進(jìn)行預(yù)測(cè)，具有模型簡(jiǎn)單、易于理解和解釋的優(yōu)點(diǎn)。通過(guò)最小化預(yù)測(cè)誤差的平方和來(lái)確定回歸系數(shù)，能夠直觀地展示各個(gè)影響因素與鋼鐵價(jià)格之間的線性關(guān)系。在鋼鐵價(jià)格受到單一或少數(shù)幾個(gè)因素主導(dǎo)，且這些因素與價(jià)格之間呈現(xiàn)明顯線性關(guān)系的情況下，線性回歸模型能夠取得較好的預(yù)測(cè)效果。若鐵礦石價(jià)格是影響鋼鐵價(jià)格的主要因素，且兩者之間存在近似線性關(guān)系，線性回歸模型可以通過(guò)對(duì)歷史數(shù)據(jù)的學(xué)習(xí)，建立起鐵礦石價(jià)格與鋼鐵價(jià)格之間的線性方程，從而對(duì)未來(lái)鋼鐵價(jià)格進(jìn)行預(yù)測(cè)。決策樹(shù)模型通過(guò)遞歸劃分?jǐn)?shù)據(jù)集構(gòu)建樹(shù)形結(jié)構(gòu)進(jìn)行決策和預(yù)測(cè)，能夠處理非線性關(guān)系，且對(duì)數(shù)據(jù)的分布和特征要求較低。決策樹(shù)可以根據(jù)多個(gè)影響因素，如鐵礦石價(jià)格、市場(chǎng)供需情況、宏觀經(jīng)濟(jì)指標(biāo)等，對(duì)鋼鐵價(jià)格進(jìn)行分類(lèi)預(yù)測(cè)，判斷價(jià)格是上漲、下跌還是平穩(wěn)。它的決策過(guò)程直觀，易于理解，能夠?yàn)殇撹F企業(yè)和投資者提供清晰的決策依據(jù)。通過(guò)決策樹(shù)模型，可以清晰地看到在不同的鐵礦石價(jià)格區(qū)間、市場(chǎng)供需狀況下，鋼鐵價(jià)格的可能走勢(shì)。隨機(jī)森林作為一種集成學(xué)習(xí)模型，由多個(gè)決策樹(shù)組成，通過(guò)對(duì)多個(gè)決策樹(shù)的預(yù)測(cè)結(jié)果進(jìn)行組合，有效地降低了模型的方差，提高了預(yù)測(cè)的準(zhǔn)確性和穩(wěn)定性。由于每個(gè)決策樹(shù)是基于不同的樣本子集和特征子集進(jìn)行訓(xùn)練的，它們之間具有一定的獨(dú)立性，即使某個(gè)決策樹(shù)對(duì)某些樣本的預(yù)測(cè)出現(xiàn)偏差，其他決策樹(shù)的預(yù)測(cè)結(jié)果也可以進(jìn)行彌補(bǔ)。隨機(jī)森林還具有較好的抗噪聲能力，能夠處理包含噪聲和缺失值的數(shù)據(jù)，在鋼鐵價(jià)格預(yù)測(cè)中，能夠更好地應(yīng)對(duì)數(shù)據(jù)中的不確定性和異常情況。為了選擇最適合鋼鐵價(jià)格預(yù)測(cè)的模型，使用相同的訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)，分別對(duì)線性回歸、決策樹(shù)、隨機(jī)森林、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和預(yù)測(cè)，并采用均方誤差（MSE）、平均絕對(duì)誤差（MAE）、決定系數(shù)（R2）等評(píng)估指標(biāo)來(lái)衡量模型的性能。4.2訓(xùn)練和評(píng)估我使用線性回歸、決策樹(shù)回歸、隨機(jī)森林回歸、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)這五種機(jī)器學(xué)習(xí)方法對(duì)價(jià)格進(jìn)行預(yù)測(cè)，然后通過(guò)均方誤差（MSE）、平均絕對(duì)誤差（MAE）和決定系數(shù)（R2）這幾個(gè)指標(biāo)來(lái)對(duì)比它們的優(yōu)劣，結(jié)果如下表1。模型均方誤差(RMSE)平均絕對(duì)誤差(MAE)決定系數(shù)(R2)LinearRegression413.4451337.4857730.748346DecisionTree396.68354269.4258060.768337RandomForest320.88084250.0490260.848415SVM826.07331626.02981-0.004626NeuralNetwork1791.90511526.664323-3.7271275表1從評(píng)估指標(biāo)（表1）來(lái)看：RMSE（均方根誤差）：數(shù)值越小表示模型預(yù)測(cè)值與真實(shí)值的偏差越小。RandomForest的RMSE最小，為320.8808423616273，說(shuō)明其預(yù)測(cè)的誤差相對(duì)其他模型較小。MAE（平均絕對(duì)誤差）：同樣，數(shù)值越小越好。RandomForest的MAE也是最小的，為250.04902688172064，進(jìn)一步表明其預(yù)測(cè)值與真實(shí)值的平均偏差較小。R2（決定系數(shù)）：其值越接近1，表示模型對(duì)數(shù)據(jù)的擬合效果越好。RandomForest的R2最高，為0.8484154813621362，說(shuō)明該模型能夠解釋約84.84%的目標(biāo)變量的變化，擬合效果相對(duì)最佳。而SVM和NeuralNetwork的R2為負(fù)數(shù)，這意味著模型的表現(xiàn)甚至不如簡(jiǎn)單的平均值預(yù)測(cè)，可能存在模型欠擬合或者數(shù)據(jù)不適合模型的情況。綜合考慮，在這些模型中RandomForest的表現(xiàn)最佳，選擇該模型用于鋼鐵價(jià)格預(yù)測(cè)。4.3交易策略與盈虧比基于RandomForest模型和簡(jiǎn)單