模糊规则是处理模糊问题,对不确定性事件进行判断的重要依据,模糊规则提取算法已经被普遍应用于控制、检测、金融等领域。聚类算法作为机器学习中无监督学习的核心算法,可以在模糊规则提取中发挥其重要作用。本文针对期货市场投资者如何有效判断买卖信号的问题,提出结合聚类方法提取期货交易模糊规则,辅助投资者交易。由于期货市场蓬勃发展,交易数量逐渐增多,针对如何有效处理大规模数据的问题,本文提出结合MapReuce计算框架,利用其在并行处理实验数据的同时,无须考虑系统细节的优势,对期货数据进行处理。本文利用MapReduce编程模型优越性能,首先对期货指标数据分析处理,获取趋势变量x(t)和价格差Δp分别作为模糊规则的前件和后件,然后利用FCM算法合理划分规则前件与后件的模糊集。再根据样本前件和后件在各模糊集隶属度分布提取模糊规则,计算每条规则置信度、统计支持度,以此为依据简化与筛选模糊规则,提取出有意义的期货交易模糊规则。本文提取的模糊规则主要从语义上理解实现盈利能力的交易行为,通过与以往经验总结的期货交易规则比较,验证本文所提取的If-Then模糊规则的有效性和可行性。本文进一步对期货交易模糊规则的提取算法进行研究,优化FCM算法,发掘模糊规则的同时提高运算效率。并通过Angular前端框架,创建期货交易模糊规则可视化界面,以方便筛选满足投资者交易的模糊规则。最后在交易开拓者平台中根据提取的模糊规则改进交易策略,对不同期货商品进行交易实验,通过交易策略性能测试报告验证改进的交易策略,实验结果表明本文所改进的交易策略有效地提高了交易成功率。由此证明,本文从期货历史数据中提取的期货交易模糊规则,将交易行为转变为可解释性策略,具有重要的研究价值与实际意义。