【黄金价格波动分析的国内外文献综述2600字】

I黄金价格波动研究的国内外文献综述1998年，Huang[1]首次提出了经验模态分解方法（EmpiricalModeDecomposition，EMD），这是一种新的时频分析方法，它可以实现自适应时频局部化分析。这是首次对基于傅里叶变换的频谱分析方法作出创造性尝试和突破性改进，但EMD的IMF与采样频率相关并且EMD基于数据本身变化，它摆脱了傅里叶变换的局限性，它不需要提前设置基函数，而是根据数据本身进行特征分解，在处理非线性、非平稳数据时非常有效，表现出强大的优越性，这是优于傅里叶变换的地方。该方法被提出后就用来分析患者肺部血压的非线性变换，随后逐渐广泛运用于生物工程领域。Huang等人将此方法用于地球物理学的相关研究[2]，EMD方法也广泛、有效的用于其他领域，如在地震记录分析、气象观测、天体观测、机械故障诊断等方面的研究都有较好的有效性。2003年，EMD方法首次被运用于金融分析中[3]，之后，很多金融学家都尝试将该方法运用于对经济增长波动、收益率等金融相关领域指数的分析与研究，并逐步将该方法进行完善。EMD方法同样也有不足与缺陷，当信号的时间尺度存在跳跃性变化时，对信号进行EMD分解，会出现一个IMF分量包含不同时间尺度特征成分的情况，被称之为模态混叠[4]。模型混叠现象不仅与EMD算法有关，还受原始信号频率特征的影响。Huang[5]曾经提出用中断检测的方法来解决模态混叠现象，思想是直接对结果进行观察，如果出现混叠则重新分解，这种方法需要人为后验判断。2004年为了更好地解决模态混叠问题，Wu和Huang[6]对EMD方法进行了改进与完善，提出了EEMD方法，这是一种噪声辅助信号处理方法，有效的解决了EMD方法中出现的模态混叠问题。2007年，Zhang[7]等采用EEMD方法对国际石油价格进行研究分析，将其分为短期波动、中期波动、长期趋势三个部分，有效的分析了国际原油价格的变化规律和特征。2008年，Guhathakurta[8]等利用EEMD方法对印度股票与汇率的关系进行分析，得出了股票市场和汇率的冲击模式具有相似性的结论。2012年，Islam[9]利用EMD方法对数据序列进行分解，并与小波分解方法进行对比，得出EMD方法更有效的结论。2015年,FangY[10]利用EEMD技术对投资者的心理进行研究，分析股票价格与投资者心理之间的关系，发现投资者心理指标数据分解后的高频序列与股票价格序列分解后的高频序列具有较强的相关性。在SVM预测方面，国外用SVM方法对股票市场和黄金价格进行预测取得了较好的效果。2002年，Jun、Yu[11]对新西兰的股价进行预测，认为支持向量机（SVM）对股价的预测有良好的效果。2003年，Cao、Yay[12]对芝加哥商品交易所的S&P500指数序列进行了支持向量机模型预测，用测量预测精度的相关指标对于预测效果进行了分析，证实了SVM方法预测的有效性。2国内研究现状黄金市场的全球统一性和经济金融全球化的影响，我国黄金市场仍然受到国内外的各种风险因素的干扰，黄金价格波动的时间序列短、随机因素多、波动频率与幅度剧烈，因此对黄金价格波动分析难度较大，从而寻找有效的分析方法对黄金价格进行分析是非常有必要的。在国内，EEMD方法应用起步比较晚。2008年，秦宇[13]用EMD方法对深证综合指数序列进行分解，并分析了其结构。2010年，毕星和王魏[14]将EMD方法与平均综合分级模型进行结合，对股票价格进行了较好的分析，并有效的提高了预测的精度。2011年，吴登生[15]等运用EMD技术对我国生猪价格进行分析，分解得到固有模态函数特征与整体波动规律。2012年，朱帮助[16]等人对欧洲气候研究所的碳期货价格指数进行EEMD分解，并将得到的IMF进行重构。2012年，包洪洁和阮连法[17]利用EEMD方法对杭州市商品住宅的价格进行分解，并进行IMF重构，将其分解为：低频振动、长期趋势和随机波动。2014年，李仲飞[18]等应用EMD对我国房价进行分解并进行周期性分析，寻找内在规律。2014年，李合龙和冯春娥[19]用EEMD方法对投资者情绪相关指标和股价进行分解，研究两者之间的相关关系，得出了投资者情绪与股价波动再不同的时间尺度下表现出不同的关系的结论：短期投资者的情绪与股价波动存在双向影响，中期投资者的情绪波动先于股价的波动，长期来看股价波动先于投资者情绪波动。2016年，姚卫东和王瑞君[20]利用EEMD方法对深证综合指数进行分解，并利用IMF重构为高频、低频和趋势项三个部分，通过对我国股市发展现状的分析，研究国家政策性事件对股市收益率的影响。随着研究的深入，会将EEMD方法与SVM预测进行结合，预测其未来的发展趋势。2013年，杨云飞[21]用EMD方法将石油价格序列分解为代表市场波动、重大事件、平均趋势的三个不同经济意义的序列，并利用支持向量机（SupportVectorMachine,SVM）进行预测，同时与人工神经网络、单一SVM等预测模型进行预测结果对比。2013年，徐进亮、常亮[22]利用EEMD分解技术对国际铜价进行分解，用IMF进行重构，再利用SVM对重构后的序列进行预测。2013年，王晓芳和王瑞军[23]将EEMD分解方法与VAR模型结合，对深证综合指数的收盘价与宏观经济指标之间的关系进行研究分析。参考文献[1]HuangNE,ShenZ,LongSR,etal.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[J].ProceedingsMathematicalPhysical&EngineeringSciences,1998,454(1971):903-995.[2]HuangNE,WuZ.AreviewonHilbert-Huangtransform:Methodanditsapplicationstogeophysicalstudies[J].ReviewsofGeophysics,2008,46(02):477-496.[3]HuangNE,QuW,etal.ApplicationofHilbert-Huangtransformtonon-stationaryfinancialtimeseriesanalysis[J].AppliedStochasticModelsinBusinessandIndustry,2003,19(3):245-268.[4]PengZK,TsePW,ChuFL.AnimprovedHilbert-Huangtransformanditsapplicationinvibrationsignalanalysis[J].JournalofSoundandVibration,2005,286(9):187-205.[5]HuangNE,ShenZ,LongSR.Anewviewofnon-linearwaterwaves[J].TheHilbertSpectrum.Annu.Rev.FluidMech.1999,31(20):417-457[6]WuZ,HuangNE.Ensembleempiricalmodedecomposition:anoiseassisteddataanalysismethod[R].Calverton:CenterforOcean-Land-AtmosphereStudies,2005.[7]ZhangX,LaiKK,WangSY.AnewapproachforcrudeoilpriceanalysisbasedonEmpiricalModeDecomposition[J].EnergyEconomics,2008,30(3):905-918.[8]GuhathakurtaK,MukherjeeI,ChowdhuryAR.Empiricalmodedecompositionanalysisoftwodifferentfinancialtimeseriesandtheircomparison[J].ChaosSolitons&Fractals,2008,37(4):1214-1227.[9]IslamMR,RashedalmahfuzM,AhmadS,etal.MultibandPredictionModelforFinancialTimeSerieswithMultivariateEmpiricalModeDecomposition[J].DiscreteDynamicsinNatureandSociety,2012,(2012-05-20),2012,2012(3):87-88.[10]FangY.AstudyontheCorrelationsbetweenInvestorSentimentandStockIndexandMacroEconomyBasedonEEMDMethod[J].JournalofFinancialRiskManagement,2015,04(3):206-215.[11]JunYu.ForecastingvolatilityintheNewZealandstockmarket[J].AppliedFinancialEconomics,2002,12(3):193-202.[12]CaoLJ,TayFEH.Supprtvectormachinewithadaptiveparametersinfinancialtimeseriesforecasting[J].IEEETransactionsonNeuralNetworks,2003,14(6):1506-18.[13]秦宇.应用经验模态分解的上海股票市场价格趋势分解及周期性外析[J].中国管理科学,2008,S1:219-225.[14]毕星,王巍.基于经验模态分解和移动平均的金融时间序列分析[J].天津大学学报(社会科学版),2010,02:125-128.[15]吴登生,李建平,汤铃,邓若鸿,杨晓光.生猪价格波动特征及影响事件的混合分析模型与实证[J].系统工程理论与实践,2011,31(11):2033-2042.[16]朱帮助,王平,魏一鸣.基于EMD的碳市场价格影响因素多尺度分析[J].经济学动态,2012,06:92-97.[17]阮连法,包洪洁.基于经验模态分解的房价周期波动实证分析[J].中国管理科学,2012,20(03):41-46.[18]李仲飞,肖仁华,杨利军.基于集合经验模态分解技术的中国房地产周期识别研究[J].经济评论,2014(04):108-121.[19]李合龙,冯春娥.基于EEMD的投资者情绪与股指波动的关系研究[J].系统工程理论与实践,2014,34(10):2495-2503.[20]姚卫东,王瑞君.结构分解视角下股市波动与政策事件关系的实证研究——基于EEMD算法[J].上海经济研究,2016(01):71-80.[21]杨云飞.基于EMD分解技术的不同市场原油价格相关性分析及预测研究[D].华中科技大学,2011.DOI:10.7666/d.d201490.[22]徐进亮,常亮.国际铜价波动性研究——基于EEMD-SVM技术分析[J