.png){kind=icon}
返回
Enhancing Gold Price Forecasting Using Machine Learning Models Optimized with Metaheuristic Algorithms
.png){kind=icon}
PRE
AI
DOI：10.12720/jait.17.1.107-121.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
预测金价对于支持投资者、政策制定者和金融分析师的知情决策至关重要。然而，由于受复杂经济和地缘政治因素影响的非线性及波动性行为，金价预测仍是一个重大挑战。本研究评估了三种传统机器学习（MLP）和XGBoost在1991年1月至2023年12月月度数据集上的预测性能，数据来源于IndexMundi获取的宏观经济和商品相关指标。为提升预测精度，采用元启发式算法（包括粒子模拟退火SA和遗传算法GA）优化RF和MLP，并开发集成策略进一步改进性能：基于逆误差度量的加权集成和顺序结合顶级模型的提升集成。结果表明，结合传统模型与元启发式优化显著提高了预测精度。最佳性能由集成RF-PSO和优化XGBoost的提升集成实现，达到优于单个优化模型的性能。本研究表明，利用成熟机器学习技术可开发出有价值的决策支持工具，应用于动态金融市场。
Keyword:
gold price forecasting
machine learning
metaheuristic optimization
ensemble learning
financial
time series
期刊
J
IF:
1.5
论文数:
57
被引数:
0
机构
引用论文
分享收藏Gold price prediction by a CNN-Bi-LSTM model along with automatic parameter tuning基于CNN-Bi-LSTM模型的金价预测及自动参数调优.png)
PLOS ONE
OAAI
PLOS ONEIF0
OAAI分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容