长期以来,黄金作为避险、保值以及流通货币的重要选择而受社会各界的广泛关注,投资黄金可以使投资者免受通货膨胀的侵蚀,同时避免股票投资和房地产投资的潜在崩盘危险,黄金的投资和保值作用越来越明显。研究黄金价格的变化不仅需要分析宏观经济的趋势性又需要精确预测微观经济角度中的随机波动性,因此如何准确预测黄金的价格对个人和国家的发展都具有重要意义。本文以黄金价格的预测为研究对象,在剖析了现有预测模型研究和设计的不足与漏洞后,试图同时从因子挖掘以及模型完善的角度进行预测的优化。利用关联规则数据挖掘技术对黄金价格的影响因子进行深度挖掘,不仅挖掘出了传统经济学总结出的强关联因子美元、石油价格以及cpi指数,还挖掘出了不曾被考虑到的猪肉价格、黄铜价格以及百度搜索指数。分别利用灰色关联度分析以及主成分分析法对强关联因子进行筛选、降维、降噪工作。同时,将灰色系统和神经网络有效地结合起来,构建灰色神经网络的组合模型,充分发挥灰色系统少数据建模和神经网络非线性映射的优点,从而进一步提高预测的精度。分别建立了灰色GM(1,1)模型、BP神经网络模型、并联型组合模型、串联型组合模型以及嵌入式组合模型对黄金价格进行预测。将本文构建的五种模型与精准度较高的两个外部模型的预测结果进行对比分析,统计各预测模型的绝对误差值,对比结果显示串联型灰色神经网络预测模型的预测精度最高。选用了不同时间段的因子数据集分别进行挖掘,分析比对了影响因子根据时间以及环境变化后的演变,结合串联型灰色神经网络进行预测,验证了时效因子的挖掘对整个模型预测精度的提升。最后对本文所提出的方法进行系统性的归纳总结,并通过两组时效不同的因子对整个系统的预测效能进行评测,实验结果证明了本文预测系统的高精准度以及可靠性。