论文部分内容阅读
黄金作为一种不可再生的资源,具有商品、货币、金融等属性,而且在金融和股票市场中扮演着重要的角色,因而黄金价格影响因素的分析及预测成为21世纪学术界和工业界的热点话题.在已有的黄金价格分析与预测模型中,存在很多缺点.如:经验模态分解(EMD)整合独立成分分析技术(ICA)的分析方法存在模态混叠与边界效应的缺点.总体经验模态分解(EEMD)解决了时间序列分解时的边界效应,但EEMD-ICA仍然存在模态混叠的现象.基于此,本文提出了一种新的自适应非递归分析与预测黄金价格的模型,整合变分模态分解(VMD)、独立成分分析(ICA)和差分自回归移动平均模型(ARIMA),即VMD-ICA-ARIMA.首先,将黄金价格时间序列通过VMD技术转换为多通道混合信号.其次,应用ICA技术分离出原始数据的潜在信号,即独立成分,并解释了其经济意义.最后,应用ARIMA模型对时间序列进行预测.通过实验对比发现,本文提出的分析与预测黄金价格的方法更优.论文共分为五章,具体内容如下:第1章介绍了基本预备知识,包括VMD的基本原理、ICA技术和ARIMA模型.第2章提出了本文的分析与预测方法,整合VMD、ICA和ARIMA,即VMD-ICA-ARIMA.第3章黄金价格被分解为多通道混合信号,分离出原始数据的潜在信号,并从独立成分分析的角度解释了黄金价格的影响因素.同时,用鲁棒回归分析验证了分析的准确性.第4章应用ARIMA模型预测了未来4年黄金价格的走势.结果表明:黄金价格在未来4年的走势为一年增长,两年下降,之后呈回升的趋势.第5章从迭代次数和预测效果两方面对比了基本的ARIMA模型、EMD-ICA-ARIMA模型和EEMD-ICA-ARIMA模型.对比发现,本文中的VMD-ICA-ARIMA模型的收敛所需迭代次数最少,预测效果更好.