跳到主要內容區塊
:::   首頁 > 歷史刊物

資訊補給站-利用深度學習預測 糖、大豆之國際期貨價格


10月號 2021 Oct
資訊補給站-利用深度學習預測 糖、大豆之國際期貨價格

前言

經濟部資訊中心為推廣資料分析應用,今(110)年與台糖公司合作,協助建置糖(紐約11 號粗糖、倫敦5號白糖)與大豆的國際期貨價格預測系統,採用近年來資料科學界相當火紅的深度學習,希望讓採購承辦同仁更能掌握未來期貨價格的漲跌趨勢,以利執行採購作業。

採購需求

台糖公司每年會依據年度採購計畫量分批採購大宗物品(糖、大豆),採購作業期程約半年。在期貨下單時,若預期未來價格上漲,則考慮多買一些;反之,若評估未來價格即將下跌,則本次下單可以少買一些。至於如何得知期貨價格未來趨勢呢?目前採購承辦同仁平時都會上網蒐集期貨價格與相關資料,主要影響期貨價格之因素包含匯率、油價、全球生產量與消耗量、種植面積、氣候、特定事件、相關商品價格等,採購承辦同仁會綜合評估上述資料以決定如何採購,主要是仰賴人工專業判斷,尚無工具輔助。

建立預測模型

如果能利用電腦輔助預測期貨價格,相信對於採購承辦同仁執行採購業務會更有信心。利用電腦來預測價格,主要流程是使用歷史資料與相關影響因子來建立預測模型,有了模型之後,便可用來預測未來價格趨勢。有關預測模型使用哪個演算法,經廠商研究相關文獻後,挑選統計的ARIMA 模型與深度學習的循環神經網路(RNN、LSTM 和GRU 模型)進行各項模型實驗,其結果為循環神經網路的預測較佳。

建立模型是一件很耗時的工程,首先初步篩選模型可能需要的資料變數,雖然影響因子很多,但並不是每個變數都可以納入模型,可能因為資料尺度的不同、資料取得不完整、或是模型太複雜也會影響預測結果。將各項資料與不同演算法交叉組合比較預測結果,歷經好幾百次的模型實驗後,找出預測結果較佳的模型,如圖表。

結果呈現

預測模型所需的資料皆由網路下載,後續使用者不須再人工更新資料。預測系統以網頁的方式呈現,透過此系統,使用者可以用圖表的方式清楚瞭解歷史價格與未來價格之預測趨勢,並且數據量化影響因子的相關程度,以利得知哪些資料會顯著影響未來幾月的期貨價格。本系統尚處於系統開發階段,系統功能暫定如下:

 期貨價格預測分析:以圖表方式讓使用者更容易瞭解未來趨勢,包含:價格趨勢圖(半年)、比較當期與上月價格、比較當期與去年同期價格。期貨價格之影響因子分析:顯示期貨價格與其影響因子之關聯程度,使用者可藉此知道哪些資料對期貨價格的影響程度比較大。資訊處協助事項資訊處在本專案中,擔任經濟部資料分析團隊與業務單位之間的溝通橋樑,協助業務單位將需求明確化,讓系統功能更符合使用者需求,例如:將原始資料整理成可用來訓練模型的資料來源、提出預測模型的改善建議、檢視系統功能是否符合業務需求等。

另資訊處也趁此機會向廠商學習資料分析的技巧,資訊處本來就具備一些資料分析的能力,曾經使用WEKA 軟體與R 語言進行本公司商品銷售量預測,因此藉著本次專案,把握機會向廠商請益深度學習實作技巧,包含資料前置處理、模型的建立與調整、系統平台視覺化呈現等,期望能提升整體的預測開發能力,以利日後與各單位合作進行資料分析相關應用。

結語

感謝經濟部資訊中心今年協助本公司建立糖、大豆的預測模型,透過預測系統,採購承辦同仁可以用圖表清楚知道期貨價格過去與未來之趨勢,也能知道哪些資料對於期貨價格的影響較大,以利日後加強蒐集相關資料。本系統預計今年年底前上線,希望採購承辦同仁屆時能多多利用此系統,以利瞭解實際預測準確程度供後續滾動式修正。

電腦輔助預測期貨價格模型

編輯室報告

封面故事

專欄

專題報導

糖情outlook

業務特寫

資訊補給站

繽紛生活

  • 買東西
  • 找據點
  • 會員區
  • 住台糖
  • fb分享
回到最上方