面向有色金属期货数据的自适应可解释预测方法及系统

本发明公开了一种面向有色金属期货数据的自适应可解释预测方法及系统，该方法包括：获取有色金属期货原始数据并进行标准化处理，形成规整数据；对规整数据进行特征工程，提取高维特征，采用滚动窗口划分数据并训练多种机器学习模型，选取性能最优的作为基准预测模型；基于SHAP方法量化各特征在预测中的重要性，筛选得到特征集合；将待检测数据输入基准预测模型，得到预测结果，并监测特征变化生成解释结果，最终输出包含预测与解释的结构化技术报告。本发明通过动态自适应模型选择、多种训练优化技术与SHAP可解释性分析，有效提升了预测方法的稳定性、效率与可解释性，并具备良好的扩展与迁移能力。