Predicting the Price of Gold in the Financial Markets Using Hybrid Models
使用混合模型预测金融市场黄金价格AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确使用 ARIMA 等时间序列方法预测黄金价格，未直接研究收益预测或资产定价机制。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
使用混合模型预测金融市场黄金价格
- 研究问题
- 能否将时间序列预测、技术分析指标筛选和神经网络结合，提高国际金融市场黄金价格预测的准确性，并与单一模型比较？
- 方法与思路
- 作者先使用 ARIMA 和技术分析相关变量，再通过逐步回归筛选输入，最后送入人工神经网络，形成串联式黄金价格预测流程。
- 材料陈述的贡献
- 摘要称混合模型在所做比较中比时间序列、回归和逐步回归更准确，并提出可能推广至其他金融资产；未报告具体误差或验证结果。
- 阅读关注点
- 应核对样本期间、预测期限和误差指标，尤其检查变量筛选及模型训练是否仅使用当时可得信息，以及比较是否基于独立样本外数据。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明数据划分、交易成本或统计显著性，预测准确性陈述不足以支持普遍优势。
原文摘要
Predicting the price that has the least error and can provide the best and highest accuracy has been one of the most challenging issues and one of the most critical concerns among capital market activists and researchers. Therefore, a model that can solve problems and provide results with high accuracy is one of the topics of interest among researchers. In this project, using time series prediction models such as ARIMA to estimate the price, variables, and indicators related to technical analysis show the behavior of traders involved in involving psychological factors for the model. By linking all of these variables to stepwise regression, we identify the best variables influencing the prediction of the variable. Finally, we enter the selected variables as inputs to the artificial neural network. In other words, we want to call this whole prediction process the "ARIMA_Stepwise Regression_Neural Network" model and try to predict the price of gold in international financial markets. This approach is expected to be able to be used to predict the types of stocks, commodities, currency pairs, financial market indicators, and other items used in local and international financial markets. Moreover, a comparison between the results of this method and time series methods is also expressed. Finally, based on the results, it can be seen that the resulting hybrid model has the highest accuracy compared to the time series method, regression, and stepwise regression.