黄金具有规避风险和保值的作用,在金融市场或者国际局势动荡时,国家和投资者往往会选择购买黄金。因此,预测黄金价格具有实际意义。本论文针对2010年至2019年的COMEX黄金期货进行研究,通过分析黄金的历史价格波动,发现黄金价格受到外界因素的影响,且价格序列具有非线性特征。由于近年来深度学习发展迅速,在处理非线性时间序列上表现较好,故本论文选用深度学习的模型进行预测。首先利用线性插值填补黄金期货和10个影响因素数据的缺失值,并筛选出白银期货、高盛商品指数、美元指数和美国10年期国债实际利率为黄金期货的外界影响因素,分别构造考虑4个影响因素和黄金期货价格的多因素BP神经网络模型和LSTM模型,并与只以黄金期货价格为输入的单因素BP神经网络模型和LSTM模型进行比较。其次,由于单因素模型的预测效果不佳,本论文尝试对其进行改进,提出一种ARIMA-LSTM混合模型,该模型利用移动平均滤波器得到黄金期货价格的线性和非线性部分,并通过ARIMA模型和LSTM模型得到两个部分的预测值,将两个预测值合并得到最终预测结果。最后,基于单日预测的结果,本论文进一步预测多日黄金期货价格,通过改进单日预测中的多因素LSTM模型和ARIMA-LSTM混合模型得到了适用于多日预测的模型。实证结果表明,考虑多个影响因素的模型预测结果优于仅考虑黄金期货价格的模型,LSTM模型的表现也显著优于BP神经网络模型,而与四个单一模型中表现最佳的多因素LSTM模型相比,ARIMA-LSTM混合模型具有更好的结果,其在预测精度和方向预测正确率上均有一定的提升。