棉花是大宗商品交易的典型,中国的棉花交易主要在每年5月至9月间进行,每天的在线抛储交易会产生上百次交易数据。棉花交易积累的大量数据为应用机器学习方法改进交易指标和交易流程提供了基础。除此之外,为了结合交易平台、棉商等多个数据源进行分析,同时保证隐私数据不泄漏,需要应用安全多方计算技术实现隐私数据的共享与分析。从交易涉及到的棉花企业与负责宏观调控的中国储备棉管理总公司双方来看,本研究有助于提升信息流通的准确度,保障信息安全,优化宏观调控。论文的工作分为两个阶段。第一阶段是应用机器学习分析棉花大数据,具体而言,一是计算准确度更高、符合领域知识的棉花质量差价表,算法主要使用多维保序回归来引入领域知识,并利用保序回归填充缺失值、平滑计算结果;二是从交易平台角度出发验证各要素对棉商交易的影响,建立用户画像,实现精准对接。第二阶段是将第一阶段中的某些计算方案扩展到多个数据源的场景,为了在这种场景下保护数据隐私,本论文调研并分析了安全多方计算技术基础,针对其特性设计算法,保证线性回归等常用算法在安全多方计算框架中的安全、高效。最后,对本研究主要工作进行了总结,提出了可优化与改进的方向,对未来研究进行了展望。