文献类型：期刊文章

作　　者：范彩云[1] 童君逸[1] 程俊彦[1] 周勇[2,3]

FAN Cai-yun;TONG Jun-yi;CHENG Jun-yan;ZHOU Yong(School of Statistics and Information,Shanghai University of International Business and Economics,Shanghai 201620,China;Key Laboratory of Advanced Theory and Application in Statistics and Data Science,Ministry of Education,Shanghai 200062,China;School of Statistics and Academy of Statistics and Interdisciplinary Sciences,East China Normal University,Shanghai 200062,China)

机构地区：[1]上海对外经贸大学统计与信息学院,上海201620 [2]统计与数据科学前沿理论及应用教育部重点实验室,上海200062 [3]华东师范大学经济与管理学部统计学院和统计交叉科学研究院,上海200062

出　　处：《数理统计与管理》

基　　金：国家自然科学基金委面上项目(12271343);国家自然科学基金委重点项目(71931004);培育基金(92046005)。

年　　份：2024

卷　　号：43

期　　号：3

起止页码：541-558

语　　种：中文

收录情况：BDHX、BDHX2023、CSSCI、CSSCI2023_2024、JST、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：在黄金期货价格预测问题的研究中,价格具有时变性、非线性、高噪声和影响因子复杂等因素,决定了其被准确预测的难度。传统方法对黄金期货价格的预测主要借助于静态模型,导致预测精度不高或分析不足。为了能动态而准确的预测黄金期货价格,本文从技术行情指标、行业方面的影响因素及宏观经济环境指标三个维度选取39个变量,以机器学习(machine learning;ML)方法构建基本融合素材,利用动态模型平均(dynamic model averaging,DMA)方法代替传统模型融合技巧,得到黄金期货价格预测模型。实证结果表明,采用机器学习-动态模型平均策略能够明显提高黄金期货价格的预测精度。

关 键 词：时间序列预测 融合模型  动态模型平均  时变性  黄金期货价格

分 类 号：O212]