钢铁市场规模大、参与者多、影响因素多、波动频率高、预测难度大。 传统的人工预测依赖主观经验，响应不及时，预测不稳定，错误率较高。 长期以来难以满足企业经营决策和风险管理的要求，以及政府管理部门的监管要求。
2023年是人工智能（AI）爆发元年。 人工智能技术的应用给各领域带来深刻变革，成为资本市场最热门的投资主题。 如果说2016年人工智能国际象棋压倒性击败人类顶级棋手仅仅说明了AI在特定任务领域的强大能力，那么2023年大语言模型GPT的广泛部署则凸显了复杂人类任务的全面替代。 能力，真正打通人工智能大规模商业应用。 此外，人工智能在经济预测尤其是大宗商品价格预测领域的应用也逐渐成熟。
熔炼研究院引入人工智能技术，利用全景钢铁行业大数据+人工智能算法，实现钢铁市场价格的稳定预测。 熔炼研究院研发的钢铁行业大数据智能预测系统，经过两年的运行测试，周预测准确率达到80%，完美识别市场主要趋势和拐点。
1、人工智能预测钢材市场价格的技术原理
钢铁行业大数据智能预测系统采用了人工智能领域的深度学习技术。 深度学习（Deep）是一种尝试使用包含复杂结构的多个神经网络或多个非线性变换对数据执行高级具体算法的机器学习方法。 广泛收集高频经济数据，利用大数据推动模型训练，利用模型估计能力模拟经济变量之间复杂的相互作用钢材价格预测，利用历史规律推演未来。
预测过程包括数据处理、特征提取、模型训练和结果评估四个步骤。
(1)构建全景钢铁市场数据集。 数据包括商品价格（不同品类、不同地区、不同产品属性的价格）、价差因素（跨期、跨区域、跨品种）、供给侧数据、需求侧数据。 上下游产业链数据、宏观经济数据、资本市场数据等
(2)在复杂的数据中寻找质量好的影响因素，提取特征因素。 综合线性模型、非线性模型、时间序列变换图像等方法，缩小有效因素范围。
（3）基于深度学习框架，有针对性、创新性地构建合适的计算场景并进行模型训练。
（4）进行多次回测，评估模型的预测能力。 选择历史回测时正确把握方向和拐点概率较高的模型。 它给出的预测结果有更大的获胜机会。
钢铁行业大数据智能预测系统在预测方法上具有显着优势。 数据信息量可以被大规模量化。 数据的意义可以是多维的。 作用于模型拟合的影响因素可以是多样化的。 作用机制可能非常复杂，但通过迭代优化的学习机制可以获得更高的准确性。
钢铁行业大数据智能预测系统使用起来也非常方便。 预测结果通过可视化界面直观解读，用户可以进一步深入分析相关基础数据。
如右图所示，AI系统明确预测2023年5月暑假后螺纹钢市场将继续下滑。
2 人工智能预测钢材市场价格的实际效果回顾
钢铁行业大数据智能预测系统已投入公测，展现出稳定的预测能力。 我们以螺纹钢为例，测试一下AI预测钢材市场价格的表现。 以下是实际预测和公开发布的结果。
2022年10月第一周，AI模型预测显示螺纹钢价格很可能反弹至前期低点，预测市场尚未反弹。 事后看来，这是主动去库存和风险管理的有利窗口。
2022年10月第三周，AI预测模型进一步预测螺纹钢价格将在3-4周内止跌于前期低位。
2022年11月第一周，AI预测模型明确表明，年内主要钢种螺纹钢、钢坯价格顶部已然确定，后期将呈现自顶回落趋势。 同时，还对原材料的种类进行了预测。 铁矿石价格跌至90欧元/吨一线，煤炭价格也存在上行压力。 事后看来，这是钢企补充现货原材料库存的最佳时机，也是证券市场构建虚拟库存的最佳窗口期。
2022年12月第一周，AI模型预测显示螺纹钢价格温和下跌，证实市场已经摆脱负反馈螺旋。
2023年2月第二周，AI模型预测显示夏季市场将持续上涨。
2023年3月的第一周，AI模型预测明确给出了市场见顶的信号。 事后看来，这是减少库存、锁定利润的最佳时机。
2023年4月的第二周，AI模型预测明确给出了市场趋势反转、价格即将下跌的预测。
至此钢材价格预测，我们可以看到，AI预测模型对螺纹钢价格从盘初到盘末下跌1000点的主要趋势和关键节点给出了非常精准的判断。 对比多个市场研究机构和分析师同期的人工预测结果，准确率具有明显优势。
