论文部分内容阅读
黄金具备着多重属性,是一种独特而重要的投资产品。对于宏观经济而言,黄金能够保持金融市场的稳定,分散转移风险,稳健发展国民经济;对于个人而言,黄金可以套期保值。因此,进行黄金价格波动的研究和预测,对社会和个人而言都具有极其重要的意义。本文从黄金市场和股票市场的联动性出发,探讨黄金市场和股票市场的相互作用,以此为基础,探索提升黄金价格涨跌预测准确率的方法。预测准确率即使是轻微的提升,也能够很大程度地影响交易决策,因此本文的研究对于社会、企业和个人投资都能提供一定的参考价值。本文第一部分进行黄金市场与股票市场相关性的研究。选用国际黄金现货价格与道琼斯指数、纳斯达克指数进行研究,采用ICEEMDAN-DCCA方法进行相关性分析。首先使用ICEEMDAN(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)算法对3个时间序列数据进行分解,分别得到多个IMFs分量;根据频率高低,将IMFs分量划分为高频、中频、低频三个部分;使用DCCA(Detrend Cross Correlation Analysis)方法计算黄金现货价格与道琼斯指数、黄金现货价格与纳斯达克指数之间的DCCA互相关系数;对比疫情前后,3个市场两两之间在高频、中频、低频部分的互相关系数的变化。结果表明,(1)道琼斯指数与纳斯达克指数之间的相关性最高,DCCA相关系数达到0.92;黄金现货价格与纳斯达克指数之间的DCCA相关系数为0.82,与道琼斯指数之间的相关系数为0.62,说明黄金市场与股票市场存在强相关关系;(2)疫情发生后,3个市场两两之间在不同频率的互相关系数呈现增强的趋势,在低频部分,黄金市场与股票市场之间呈现强的负相关关系,表明在重大事件发生之后,黄金市场与股市呈现替代的作用,股市低迷,投资者转向黄金市场,黄金价格大涨。本文第二部分进行黄金价格涨跌预测。与其他金融时间序列相比,对于黄金价格涨跌预测的研究相对较少,且大多基于传统的计量经济学和统计学模型,在黄金价格预测领域还有很大的创新空间。本文采用的研究方法为ICEEMDAN-机器学习的分解集成模型,对比GBDT(Gradient Boosting Decision Tree)、随机森林(Random Forest)、SVM(Support Vector Machine)等5个机器学习模型的预测准确率,以得到最优的模型;依据第一部分的研究结果发现股票市场与黄金市场之间存在强相关性,同时在疫情发生后呈现负相关,因此本文创新性地在黄金价格中加入股票指数一同进行黄金价格涨跌的预测,并研究疫情发生后,对预测结果的影响。实验结果显示,(1)ICEEMDAN-机器学习相结合的分解集成模型具有优秀的预测性能,优于单一模型和CEEMDAN-机器学习模型,其中ICEEMDAN-GBDT的预测准确率最高,达到83%;(2)黄金价格IMFs加入纳斯达克指数/道琼斯指数IMFs之后,部分机器学习模型预测准确率提高。加入道琼斯指数IMFs后,GBDT和随机森林模型的预测准确率都提升了2%,其中ICEEMDAN-GBDT模型的准确率最高,达到85%;加入纳斯达克指数IMFs后,ICEEMDAN-GBDT模型预测的准确性提升了1%。表明将股票指数序列加入到黄金价格序列对黄金价格涨跌的预测有积极作用;(3)疫情发生后,将纳斯达克指数/道琼斯指数IMFs加入到黄金价格序列中,黄金价格涨跌预测的准确性提高更显著,加入道琼斯指数IMFs,ICEEMDAN-GBDT模型准确率提升了6%;加入纳斯达克指数IMFs后,ICEEMDAN-GBDT模型准确率提升了8%。表明重大事件发生,股票指数对黄金价格涨跌预测的积极作用更大。综上所述,在第一部分所发现的股票市场与黄金市场的强相关性能够推动第二部分的研究。第一部分通过计算市场之间的DCCA相关系数,发现股票市场与黄金市场具有波动联动性,在疫情发生后二者相互作用更加显著,同时呈现负相关。因而在第二部分,利用分解集成模型ICEEMDAN-机器模型的方法进行预测,在黄金价格IMFs中加入两个股票指数IMFs共同预测,可以提高黄金价格涨跌预测的准确率,也证实在疫情之后,采用此种研究框架,能够更大程度提高价格涨跌预测的准确率。ICEEMDAN-GBDT也通过多组对比实验,证实其具有最佳的预测性能。