随着人工智能的兴起，机器学习逐步应用于量化投资领域，借助于计算机强大的数据处理能力和日渐成熟的机器学习算法，使得股票、期货等的预测更加高效和准确。传统的股票、期货预测主要采用以统计学为基础的数理模型，这类模型的缺陷就是处理数据的低效性。大数据时代的到来，必然带来人工无法处理的巨量数据。所以为了保证预测的准确性和高效性，机器学习算法在股票、期货领域的使用将成为必然的趋势。
　　本文以国际期货为背景，基于xgboost算法和舆情分析，更全面地预测国际期货的大致涨跌趋势。高效准确的xgboost在机器学习领域备受青睐，但该算法只局限于结构化数值型数据，无法处理文本数据。由于文本舆情中含有大量关键的信息，如何获取数据以及提取其中较为重要的信息并量化，对于构建更准确的模型至关重要。所以，本文使用python开发的爬虫工具在某数据平台爬取了国际期货日交易数据和文本舆情数据。将获取的舆情数据通过舆情分析模型进行量化，与结构化数据同时作为模型输入因子，构建涵盖信息全面的输入因子体系，去训练准确高效的国际期货预测集成模型。同时，对xgboost模型进行了算法调参优化，并与其它机器学习算法模型进行了效果对比。研究发现，xgboost集成模型在金银类国际期货和能源类国际期货的预测精准度上均高于其他算法模型。并对各个模型输入因子进行了特种重要性分析，进一步证明了网络舆情对国际期货涨跌的重要程度。