黄金价格波动研究国内外研究现状与发展趋势
居民消费价格指数（Consumer Price Index，简称CPI）是度量居民生活消费品和服务价格水平随着时间变动的相对数，综合反映居民购买的生活消费品和服务价格水平的变动情况。它是进行国民经济核算、宏观经济分析和预测、实施价格总水平调控的一项重要指标，并且世界各国一般用消费价格指数作为测定通货膨胀的主要指标。近年来国内外对CPI指数的研究主要是在两个方面。其一是CPI指数引起股票和房地产价格波动，对房地产价格和股票价格影响通货膨胀的机理进行分析，并且介绍资产价格进而对通货膨胀之间的影响。一般来说当CPI大于3%时我们称通货膨胀；而当其大于5%时，我们称其为严重的通货膨胀。欧美国家GDP增长一直在2%左右波动，CPI也同样在0%～3%的范围内变化，而中国的情况则完全不同。二是对CPI的组成部分及其各自的权重进行分析，从而从内部分析CPI指数的波动。
对于以往的CPI指数和黄金价格波动因素的相关性分析的研究中[7][12]，时常使用多元线性模型拟合用模型残差自相关性进行验证，或建立GARCH(1，1)模型，用ARCH LM检验，看残差中是否存在显著的ARCH效应，也有用格兰杰因果检验和VAR模型估计进而对VAR模型的稳定性检验并对其进行Johansen协整检验等等，都是对已有数据进行拟合进而对其拟合符合程度的高低进行验证以得到数据之间的相关性的强弱，灵敏度的高低。
近年来对于各种金融数据的预测模型层出不穷，如递归预测器神经网络ＢＰ神经网络模型，张中华等的ＲＢＦ神经网络模型，牛国鹏等的小波神经网络模型，杨新斌、向昌盛等的支持向量机模型，以及王海军等的基于粒子群神经网络的期货价格预测模型等等都是学者们针对具有混沌动力学特性的国内金融市场建立的一些预测模型。这些模型从静态前馈的处理模式，内部没有包含延迟和反馈环节到递归预测器神经网络——通用学习网络（ＵＬＮ）的基础上发展起来的一种特殊多重分支时间延迟递归神经网络，其动态特性和存储能力可以较好地反映动力学系统的时序特性，从而有效提高预测精度。
上一篇：超级电容器的电极材料研究现状
下一篇：网上订餐国内外研究现状