Los metales no ferrosos, como una de las mercancías representativas con gran circulación internacional, son de gran importancia para el desarrollo social y económico. La serie temporal de sus precios es altamente volátil y no lineal, lo que hace que la predicción de precios de metales siga siendo una tarea difícil y desafiante. Sin embargo, la investigación existente se centra en la aplicación de un modelo avanzado individual, descuidando el análisis en profundidad y la explotación de un cierto tipo de modelo. Además, la mayoría de los estudios pasan por alto la importancia de la selección de sub-modelos y el modo de ensamblaje en la predicción de precios de metales, lo que puede llevar a resultados de predicción deficientes en algunas circunstancias. Para cerrar estas brechas de investigación, se desarrolla un nuevo sistema de predicción que incluye un módulo de pretratamiento de datos, un módulo de predicción de sub-modelos, un módulo de selección de modelos y un módulo de ensamblaje, que introduce con éxito un modo de ensamblaje no lineal y combina el método de selección de sub-modelos óptimos para la gestión del mercado de futuros de precios de metales no ferrosos. Más específicamente, se lleva a cabo un pretratamiento de datos para capturar las principales características de los precios de los metales y mitigar de manera efectiva los desafíos causados por el ruido. Luego, se emplean modelos de series de máquinas de aprendizaje extremo como la biblioteca de sub-modelos y se utilizan para predecir las subsecuencias descompuestas. Además, se implementa una estrategia de selección de sub-modelos óptimos de acuerdo con el nuevo índice integral propuesto para seleccionar el mejor modelo para cada subsecuencia. Luego, al proponer un modo de predicción de ensamblaje no lineal, se obtienen los resultados de predicción puntual final y de intervalo de incertidumbre basados en los resultados de predicción del sub-modelo óptimo. Se llevan a cabo simulaciones experimentales utilizando los conjuntos de datos de cobre y zinc, que muestran que el sistema presente es superior a otros puntos de referencia. Por lo tanto, el sistema puede utilizarse no solo como una técnica efectiva para la gestión del mercado de futuros de precios de metales no ferrosos, sino también como una alternativa para otras aplicaciones de predicción.