Gold Spot and Futures Daily Closing Price Prediction: A Comparative Analysis Based on Time Series Models and Machine Learning Models

Das Kapitel beginnt, indem es die globale Bedeutung des Goldes als Eckpfeiler wirtschaftlicher Reserven und einer erstklassigen Investitionsentscheidung unterstreicht. Sie unterscheidet zwischen Spotgold, das unmittelbar an den internationalen Märkten gehandelt wird, und Futures-Gold, bei denen es um Kontrakte für zukünftige Lieferungen an Börsen wie der CME Group geht. Die Volatilität der Goldpreise, die durch Marktdynamik, politische Faktoren und wirtschaftliche Determinanten beeinflusst wird, bereitet den Boden für die Anwendung fortgeschrittener Prognosetechniken. Die Literaturrecherche befasst sich mit bahnbrechenden Arbeiten zur Vorhersage von Zeitreihen und beleuchtet die Entwicklung von traditionellen ARIMA-Modellen hin zu hoch entwickelten Deep-Learning-Techniken wie LSTM und SVM. Das Kapitel präsentiert dann eine detaillierte Methodik zur Datenerhebung und -vorverarbeitung, wobei Datensätze von investing.com verwendet werden, um Zuverlässigkeit und Aktualität zu gewährleisten. Die vergleichende Analyse von ARIMA-, LSTM- und SVM-Modellen wird mit dem Schwerpunkt auf deren Genauigkeit und Vorhersagefähigkeit durchgeführt. Das ARIMA-Modell mit seinen autoregressiven und beweglichen Durchschnittskomponenten wird auf seine Fähigkeit hin bewertet, stationäre Muster in Goldpreisdaten zu erfassen. Das LSTM-Modell, das für seine Effektivität bei der Erfassung sequentieller Muster bekannt ist, wird durch iteratives Training und Rückpropagation optimiert. Das SVM-Modell mit seinen vielseitigen Kernfunktionen wird auf seine Regressionsfähigkeit bei der Vorhersage von Zeitreihen hin untersucht. Die Ergebnisse und Analyseabschnitte liefern eine gründliche Bewertung der Leistung jedes Modells unter Verwendung von Metriken wie RMSE, MAPE und MAE. Das Kapitel schließt mit einer Diskussion über die Implikationen der Ergebnisse für Anlagestrategien, die nahelegt, dass das SVM-Modell besonders vielversprechend für eine genaue Vorhersage des Goldpreises ist. Er skizziert auch Beschränkungen und zukünftige Forschungsrichtungen und betont die Notwendigkeit, Marktbedingungen in Echtzeit und externe Faktoren einzubeziehen, um die Prognosegenauigkeit zu erhöhen.