Vardhaman：基于Amazon Chronos的棉花期货零样本价格预测系统

Vardhaman是针对棉花期货价格预测痛点设计的企业级系统，整合六大实时数据源构建自动化数据管道，利用Amazon Chronos大语言模型实现零样本时间序列预测，并通过Streamlit仪表板提供直观决策支持。核心解决传统人工分析中多源数据跟踪耗时、人为误差大的问题，为棉花采购团队提供高置信度的价格预测与交易信号。

棉花作为全球重要农产品，ICE棉花二号期货价格受供需平衡、投机资金、宏观经济、天气等多重因素影响。传统人工分析需跟踪全球六大产棉区天气、作物进度、持仓报告等海量异构数据，耗时耗力且易出现分析不一致。Vardhaman项目旨在通过自动化系统解决这一痛点。

系统采用端到端自动化数据流水线，整合六大数据源（Vardhaman Cotlook PDF报告、ICE期货数据、CFTC持仓报告、USDA作物进度、气象数据、宏观指标），经时间对齐、缺失值处理等特征工程生成多变量特征库。核心预测引擎为Amazon Chronos-T5-Small，通过零样本范式（无需微调），基于历史上下文生成多时间尺度概率预测，按保守规则生成BUY/SELL/HOLD信号。

采用滚动窗口回测（2023.1-2026.3）验证性能：t+1日MAE 0.945美分/磅、RMSE1.264；t+5日MAE1.742；t+21日MAE3.49。短期预测误差低于3美分阈值。极端案例中，2023年2月误差仅0.018美分，2024年2月高波动期误差3.419美分。方向准确率30.8%反映信号策略保守性，仅在高置信时触发。

系统通过Streamlit构建交互式仪表板，含信号概览、模型性能、价格走势、持仓分析、基本面五大页面。部署上实现全自动化：工作日晚间定时运行管道，监控新PDF触发流程，通过.env管理API密钥，requirements.txt保障环境复现。

系统存在数据源依赖（USDA WASDE API离线）、模型未针对农产品特殊性优化、黑天鹅事件预测能力有限、信号频率低等局限。改进方向包括重试WASDE API、引入领域特征/微调模型、增强极端事件应对、允许用户调整置信阈值。

Vardhaman整合现代ML与传统大宗商品分析，为采购团队提供端到端决策工具。对大宗商品交易、纺织采购、农业金融研究有参考价值，开源代码与文档为类似项目提供借鉴。