基于ARIMA—GARCH模型黄金价格分析预测,本论文可用于黄金价格论文范文参考下载，黄金价格相关论文写作参考研究。
黄金价格论文参考文献：
摘 要：本文通过对上海黄金交易所Au99.95品种2011年1月4日到2015年10月30日1157个交易日的收盘价进行研究,利用时间序列的相关理论,通过Eviews软件,对序列进行分析,建立ARIMA-GARCH模型,对黄金价格变动规律进行研究,并对黄金价格进行拟合和预测.结果显示,预测结果和实际价格由较高的拟合度,预测误差较小,该模型可以相对准确地描述黄金价格序列的特征,使黄金投资者和生产者对黄金价格序列有更加深刻的了解.
关键词：黄金价格；ARIMA-GARCH模型；预测
一、引言
财政政策和政府货币政策的变化、谣言及政局变动等多方面因素,交错相互作用,共同影响着黄金的价格,人们通常从这些因素出发,利用线性或非线性模型进行拟合,来对黄金价格进行研究和预测.而时间序列方法通过历史数据来揭示现象随着时间变化的规律,为我们提供了研究预测黄金价格的另一种方法.
由于现实中的经济数据通常出现自相关而非平稳,而通过差分,建立ARIMA模型可以将此转化为平稳的时间序列,进行分析和预测,并且能够涉及到序列的过去值、当前值以及误差值,因此ARIMA模型成为迄今为止适合短期预测、应用最广泛的模型.
在实际研究工作中,研究工作者发现,对于时间序列中某些变量的预测准确性会随时期的不同而变化,这表明误差项的条件方差随时间变化并依赖于过去误差值大小,而不是建立在某个自变量上的函数.为了刻画预测误差的条件方差中可能存在的某种相关性,恩格尔提出自回归条件异方差模型（ARCH模型）,并由博勒斯莱文发展成为GARCH模型——广义自回归条件异方差模型.
利用时间序列的相关理论,通过Eviews软件,对序列进行分析,建立ARIMA-GARCH模型,对黄金价格变动规律进行研究,较好地拟合了黄金价格,从而达到预测的目的.
二、数据选取
本文选取上海黄金交易所Au99.95的收盘价来反映黄金的交易价格波动,数据样本范围是从2011年1月4日到2015年10月30日,共计1157个数据,将数据分成两部分,第一部分从2011年1月4日到2015年10月8日共1141个数据,记为{y},用于构建模型和确定模型参数；第二部分从2015年10月9日到2015年10月30日共16个数据,用于验证所建模型的拟合度及预测结果的精确性.
三、实证研究
(一)平稳性检验
在对时间序列进行分析之前,首先应该对其平稳性进行检验,由ADF检验结果可知,黄金价格时间序列{y}是非平稳的,从而对其进行一阶差分,由平稳性检验结果可知一阶差分序列{dy}是平稳时间序列.
(二)ARIMA模型建立
对差分后的时间序列建立ARMA模型,ARMA（p,q）模型的阶数可以通过观察序列{dy}的自相关函数和偏自相关函数进行初步判断,同时为了更准确地确定模型,可以利用AIC准则确定合适的阶数,AIC的值越小,同时各项系数都统计显著,模型越合适.对于不同的阶数,比较模型的AIC的值可知,最适合模型为ARMA（2,1）模型,模型估计的基本形式为：
dyt等于φ1dyt-1+φ2dyt-2+εt-θ1εt-1
由参数估计结果可知,模型估计为：
dyt等于-0.898207dyt-1-0.067369dyt-2+εt+0.846336εt-1
各参数通过t检验,满足平稳性要求.
(三)ARIMA-GARCH模型建立
检验结果证明,ARIMA（2,1,1）模型的残差存在着自回归条件异方差,则应该在ARIMA（2,1,1）均值方程的基础上建立ARCH模型,由于ARCH模型阶数较高,进一步考虑用GARCH（1,1）模型,结果如下：
均值方程：dy等于0.218045dyt-1+0.036465dyt-2+εt-0.275797εt-1
Z检验 0.1419960.401874-0.179550
方差方程：σ∧2t等于0.483455+0.089597μ∧2t-1+0.874633σ∧2t-1
Z检验7.7466488.60105972.08030
再对这个方程进行条件异方差的ARCH LM检验,得到在滞后阶数p等于10的条件下,此时的相伴概率为0.998,不拒绝原假设,认为该残差序列不存在ARCH效应,可以说明利用GARCH（1,1）模型消除了残差序列的条件异方差性.
(四)模型预测及检验
利用上述建立的ARIMA（2,1,1）-GARCH（1,1）模型对2015年10月9日到2015年10月30日黄金交易价格进行预测检验,结果如下：
可以看出,最高误差为6.16%,从黄金价格历史变化趋势来看,误差在可接受范围之内,预测结果具有一定的借鉴作用.
四、结论
通过对黄金价格进行研究,发现其时间序列是不平稳的,对其进行一阶差分使其平稳化,从而建立时间序列模型.利用对黄金价格建立的ARIMA（2,1,1）-GARCH（1,1）模型,能够较好地拟合黄金价格的动态变化,通过对2015年10月9日到2015年10月30日黄金交易价格进行预测,发现模型的拟合度相当高,可以较好地描述黄金价格序列的特征,使黄金投资者和生产者对黄金价格序列有更加深刻的了解.（作者单位：河北经贸大学）
参考文献：
[1]傅强,伍习丽.基于ARFIMA-WRBV-VAR的中国股市风险研究[J].西南大学学报（自然科学版）,2013,35（3）：9-14.
[2]张苏林.我国黄金现货波动率预测能力分析——基于GARCH模型和CARR模型的比较[J].金融理论和实践,2011,（8）：47-50.
[3]罗祯.基于ARIMA-GARCH模型的黄金价格走势研究[J],财政金融,2013,3（16）：31-32.
结论：关于对不知道怎么写黄金价格论文范文课题研究的大学硕士、相关本科毕业论文黄金哪个牌子最好最纯论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
基于GARCH模型银行理财资金流动性预测
摘要：本文基于计量经济学中基本统计特征分析、平稳性检验、相关性检验、ARCH效应检验等方法对银行理财产品申购赎回波动性特征进行了梳理和研究，从计。
ARIMA模型在中国GDP预测中应用
摘 要：在经济快速发展的今天，对GDP的分析预测显得尤为重要。本文就1978-2014年的国内生产总值进行了分析，建立了ARIMA模型。通过数据。
基于HP滤波和Garch模型股票价格波动
摘 要：股票市场中股票价格一直是投资者关注的焦点，股票价格的波动与投资者的利益紧密联系，对于股票价格波动的研究可为投资者提供更为合理的投资意见。。
基于ARIMA模型甘肃省生态足迹预测
摘 要：生态足迹模型是一种可以有效度量可持续发展的方法，从提出以来备受人们的关注。将生态足迹模型与ARIMA模型相结合，采用不同的均衡因子，以甘。