基于长短期记忆网络与多层感知器网络的黄金价格预测
机器学习
2025-12-30 v1
摘要
全球黄金市场凭借其基本面长期以来拥有众多金融机构、银行、政府、基金和散户投资者。由于重要经济和政治组成部分之间的内在复杂性和关系，准确预测金融市场始终是一个具有挑战性的任务。因此，提供一个能够准确预测市场未来走势的模型将非常重要，并且对开发商具有巨大益处。在本文中，提出了一种用于日度和月度黄金预测的人工智能算法。两种长短期记忆（LSTM）网络分别负责日度和月度预测，其结果被集成到多层感知器（MLP）网络中，并提供下一天价格的最终预测。该算法对日度和月度时间框架内的最高价、最低价和收盘价进行预测。根据这些预测，开发了用于实时市场交易的交易策略，据此该模型在三个月内实现了171%的收益。此外，每个网络的内部神经元数量通过基于最小均方根误差（RMSE）的灰狼优化（GWO）算法进行优化。数据集收集于2010年至2021年，包含来自发达国家的宏观经济、能源市场、股票和汇率数据。我们提出的LSTM-MLP模型以美元22.23的均值绝对误差（MAE）预测黄金的日收盘价。
引用
@article{arxiv.2512.22606,
title = {Gold Price Prediction Using Long Short-Term Memory and Multi-Layer Perceptron with Gray Wolf Optimizer},
author = {Hesam Taghipour and Alireza Rezaee and Farshid Hajati},
journal= {arXiv preprint arXiv:2512.22606},
year = {2025}
}