由于经济时序本身受到各方面因素的综合影响,使其具有混沌性,一种难以预测非线性系统。我国黄金期货(AU.SHF)价格便为其中之一。基于这种特性,衍生出两种预测方法。第一种对时序进行相空间重构,接着采用非线性模型加以预测,例如神经网络。第二种基于误差补偿思想构建线性与非线性混合模型,利用线性模型ARIMA(自回归滑动平均模型)估计线性成分,残差表现混沌性,再用第一种方法对前面误差进行估计,用以修正ARIMA估计的误差。针对时序相邻数据之间相关性性质,且同时体现线性和非线性成分,提出ARIMA和LSTM(长短记忆神经网络)混合模型ARIMA-LSTM。根据前面两种建模方法分别设计三组试验,ARIMA-LSTM为其中一种。实证分析对象为AU.SHF日收盘价,实证研究结果表明:(1)我国黄金期货价格具有混沌性。(2)以上两种建模思路均能获得较理想建模结果,都显著优于传统的ARIMA模型。(3)基于误差补差思想和相空间重构技术的混合模型建模效果显著更优,特别是ARIMA-LSTM混合模型。