基于机器学习的钢材需求预测研究

重点从市场供需缺口与价格之间的关系的角度，对于钢材实际需求量进行模型计算。在理论上，结合宏观经济环境对钢铁行业的影响，以及钢铁行业重点下游需求侧变化确定框架。在方法上，利用GBDT算法和FCN神经网络算法实现提取特征、拟合计算。最终通过算法计算得到的钢材拟合需求量从两方面对表观需求量的局限性有所弥补：一是钢材拟合消费量增加了库存对于钢铁需求量的影响；二是钢材拟合消费量较表观消费量更能体现钢材出口需求对我国钢材需求量的正向拉动。