基于LSTM的COMEX黄金期货价格预测对比研究

刘璐，娄磊，刘先俊，施三支

（长春理工大学 理学院，长春 130022）

黄金期货市场在金融市场有着十分重要的位置，因此其预测问题也被视为重点问题。在预测方法上可分成传统预测模型和非线性预测模型。传统预测模型包含ARIMA模型（移动平均自回归模型）、GARCH模型（自回归条件异方差模型）、指数平滑模型等，并在黄金价格预测研究上取得了很大进步。比如在2014年，Sharma A M和Baby S[1]运用ARIMA模型对印度的黄金价格进行预测分析。同时，诸多学者也利用ARIMA模型对纽约商品交易所、伦敦国际金融期货交易所、上海期货交易所等具有明显交易特点的黄金或黄金期货交易数据进行建模预测[2-3]。在此基础之上，一部分研究者运用了ARIMA-GARCH模型，对黄金价格进行了研究与分析[4-7]。比如潘贵豪等人[6]选用 ARMA-GARCH模型对黄金价格的动态演化过程进行了实证阐述，黄金价格数据的生成的动态变化过程可以被该模型精确的刻画表明，平均误差较小。传统预测模型的各项研究均证明了其在预测黄金价格的走势或动态特征方面是有效的，但是，鉴于黄金期货价格时间序列具有非线性及高噪声的数据特征，对其精确预测依旧十分困难，同时由于时间的动态变化，使得自变量和因变量二者之间的关系也会随之发生变动，因此传统时间序列模型很难精准得对黄金期货市场进行预测。

近年来，随着计算机硬件水平提升得越来越快，对神经网络的研究也逐渐深入，由此非线性模型逐渐取代了时……