I黃金價(jià)格波動(dòng)研究的國內(nèi)外文獻(xiàn)綜述1998年，Huang[1]首次提出了經(jīng)驗(yàn)?zāi)B(tài)分解方法（EmpiricalModeDecomposition，EMD），這是一種新的時(shí)頻分析方法，它可以實(shí)現(xiàn)自適應(yīng)時(shí)頻局部化分析。這是首次對(duì)基于傅里葉變換的頻譜分析方法作出創(chuàng)造性嘗試和突破性改進(jìn)，但EMD的IMF與采樣頻率相關(guān)并且EMD基于數(shù)據(jù)本身變化，它擺脫了傅里葉變換的局限性，它不需要提前設(shè)置基函數(shù)，而是根據(jù)數(shù)據(jù)本身進(jìn)行特征分解，在處理非線性、非平穩(wěn)數(shù)據(jù)時(shí)非常有效，表現(xiàn)出強(qiáng)大的優(yōu)越性，這是優(yōu)于傅里葉變換的地方。該方法被提出后就用來分析患者肺部血壓的非線性變換，隨后逐漸廣泛運(yùn)用于生物工程領(lǐng)域。Huang等人將此方法用于地球物理學(xué)的相關(guān)研究[2]，EMD方法也廣泛、有效的用于其他領(lǐng)域，如在地震記錄分析、氣象觀測、天體觀測、機(jī)械故障診斷等方面的研究都有較好的有效性。2003年，EMD方法首次被運(yùn)用于金融分析中[3]，之后，很多金融學(xué)家都嘗試將該方法運(yùn)用于對(duì)經(jīng)濟(jì)增長波動(dòng)、收益率等金融相關(guān)領(lǐng)域指數(shù)的分析與研究，并逐步將該方法進(jìn)行完善。EMD方法同樣也有不足與缺陷，當(dāng)信號(hào)的時(shí)間尺度存在跳躍性變化時(shí)，對(duì)信號(hào)進(jìn)行EMD分解，會(huì)出現(xiàn)一個(gè)IMF分量包含不同時(shí)間尺度特征成分的情況，被稱之為模態(tài)混疊[4]。模型混疊現(xiàn)象不僅與EMD算法有關(guān)，還受原始信號(hào)頻率特征的影響。Huang[5]曾經(jīng)提出用中斷檢測的方法來解決模態(tài)混疊現(xiàn)象，思想是直接對(duì)結(jié)果進(jìn)行觀察，如果出現(xiàn)混疊則重新分解，這種方法需要人為后驗(yàn)判斷。2004年為了更好地解決模態(tài)混疊問題，Wu和Huang[6]對(duì)EMD方法進(jìn)行了改進(jìn)與完善，提出了EEMD方法，這是一種噪聲輔助信號(hào)處理方法，有效的解決了EMD方法中出現(xiàn)的模態(tài)混疊問題。2007年，Zhang[7]等采用EEMD方法對(duì)國際石油價(jià)格進(jìn)行研究分析，將其分為短期波動(dòng)、中期波動(dòng)、長期趨勢三個(gè)部分，有效的分析了國際原油價(jià)格的變化規(guī)律和特征。2008年，Guhathakurta[8]等利用EEMD方法對(duì)印度股票與匯率的關(guān)系進(jìn)行分析，得出了股票市場和匯率的沖擊模式具有相似性的結(jié)論。2012年，Islam[9]利用EMD方法對(duì)數(shù)據(jù)序列進(jìn)行分解，并與小波分解方法進(jìn)行對(duì)比，得出EMD方法更有效的結(jié)論。2015年,FangY[10]利用EEMD技術(shù)對(duì)投資者的心理進(jìn)行研究，分析股票價(jià)格與投資者心理之間的關(guān)系，發(fā)現(xiàn)投資者心理指標(biāo)數(shù)據(jù)分解后的高頻序列與股票價(jià)格序列分解后的高頻序列具有較強(qiáng)的相關(guān)性。在SVM預(yù)測方面，國外用SVM方法對(duì)股票市場和黃金價(jià)格進(jìn)行預(yù)測取得了較好的效果。2002年，Jun、Yu[11]對(duì)新西蘭的股價(jià)進(jìn)行預(yù)測，認(rèn)為支持向量機(jī)（SVM）對(duì)股價(jià)的預(yù)測有良好的效果。2003年，Cao、Yay[12]對(duì)芝加哥商品交易所的S&P500指數(shù)序列進(jìn)行了支持向量機(jī)模型預(yù)測，用測量預(yù)測精度的相關(guān)指標(biāo)對(duì)于預(yù)測效果進(jìn)行了分析，證實(shí)了SVM方法預(yù)測的有效性。2國內(nèi)研究現(xiàn)狀黃金市場的全球統(tǒng)一性和經(jīng)濟(jì)金融全球化的影響，我國黃金市場仍然受到國內(nèi)外的各種風(fēng)險(xiǎn)因素的干擾，黃金價(jià)格波動(dòng)的時(shí)間序列短、隨機(jī)因素多、波動(dòng)頻率與幅度劇烈，因此對(duì)黃金價(jià)格波動(dòng)分析難度較大，從而尋找有效的分析方法對(duì)黃金價(jià)格進(jìn)行分析是非常有必要的。在國內(nèi)，EEMD方法應(yīng)用起步比較晚。2008年，秦宇[13]用EMD方法對(duì)深證綜合指數(shù)序列進(jìn)行分解，并分析了其結(jié)構(gòu)。2010年，畢星和王魏[14]將EMD方法與平均綜合分級(jí)模型進(jìn)行結(jié)合，對(duì)股票價(jià)格進(jìn)行了較好的分析，并有效的提高了預(yù)測的精度。2011年，吳登生[15]等運(yùn)用EMD技術(shù)對(duì)我國生豬價(jià)格進(jìn)行分析，分解得到固有模態(tài)函數(shù)特征與整體波動(dòng)規(guī)律。2012年，朱幫助[16]等人對(duì)歐洲氣候研究所的碳期貨價(jià)格指數(shù)進(jìn)行EEMD分解，并將得到的IMF進(jìn)行重構(gòu)。2012年，包洪潔和阮連法[17]利用EEMD方法對(duì)杭州市商品住宅的價(jià)格進(jìn)行分解，并進(jìn)行IMF重構(gòu)，將其分解為：低頻振動(dòng)、長期趨勢和隨機(jī)波動(dòng)。2014年，李仲飛[18]等應(yīng)用EMD對(duì)我國房價(jià)進(jìn)行分解并進(jìn)行周期性分析，尋找內(nèi)在規(guī)律。2014年，李合龍和馮春娥[19]用EEMD方法對(duì)投資者情緒相關(guān)指標(biāo)和股價(jià)進(jìn)行分解，研究兩者之間的相關(guān)關(guān)系，得出了投資者情緒與股價(jià)波動(dòng)再不同的時(shí)間尺度下表現(xiàn)出不同的關(guān)系的結(jié)論：短期投資者的情緒與股價(jià)波動(dòng)存在雙向影響，中期投資者的情緒波動(dòng)先于股價(jià)的波動(dòng)，長期來看股價(jià)波動(dòng)先于投資者情緒波動(dòng)。2016年，姚衛(wèi)東和王瑞君[20]利用EEMD方法對(duì)深證綜合指數(shù)進(jìn)行分解，并利用IMF重構(gòu)為高頻、低頻和趨勢項(xiàng)三個(gè)部分，通過對(duì)我國股市發(fā)展現(xiàn)狀的分析，研究國家政策性事件對(duì)股市收益率的影響。隨著研究的深入，會(huì)將EEMD方法與SVM預(yù)測進(jìn)行結(jié)合，預(yù)測其未來的發(fā)展趨勢。2013年，楊云飛[21]用EMD方法將石油價(jià)格序列分解為代表市場波動(dòng)、重大事件、平均趨勢的三個(gè)不同經(jīng)濟(jì)意義的序列，并利用支持向量機(jī)（SupportVectorMachine,SVM）進(jìn)行預(yù)測，同時(shí)與人工神經(jīng)網(wǎng)絡(luò)、單一SVM等預(yù)測模型進(jìn)行預(yù)測結(jié)果對(duì)比。2013年，徐進(jìn)亮、常亮[22]利用EEMD分解技術(shù)對(duì)國際銅價(jià)進(jìn)行分解，用IMF進(jìn)行重構(gòu)，再利用SVM對(duì)重構(gòu)后的序列進(jìn)行預(yù)測。2013年，王曉芳和王瑞軍[23]將EEMD分解方法與VAR模型結(jié)合，對(duì)深證綜合指數(shù)的收盤價(jià)與宏觀經(jīng)濟(jì)指標(biāo)之間的關(guān)系進(jìn)行研究分析。參考文獻(xiàn)[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.應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解的上海股票市場價(jià)格趨勢分解及周期性外析[J].中國管理科學(xué),2008,S1:219-225.[14]畢星,王巍.基于經(jīng)驗(yàn)?zāi)B(tài)分解和移動(dòng)平均的金融時(shí)間序列分析[J].天津大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2010,02:125-128.[15]吳登生,李建平,湯鈴,鄧若鴻,楊曉光.生豬價(jià)格波動(dòng)特征及影響事件的混合分析模型與實(shí)證[J].系統(tǒng)工程理論與實(shí)踐,2011,31(11):2033-2042.[16]朱幫助,王平,魏一鳴.基于EMD的碳市場價(jià)格影響因素多尺度分析[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),2012,06:92-97.[17]阮連法,包洪潔.基于經(jīng)驗(yàn)?zāi)B(tài)分解的房價(jià)周期波動(dòng)實(shí)證分析[J].中國管理科學(xué),2012,20(03):41-46.[18]李仲飛,肖仁華,楊利軍.基于集合經(jīng)驗(yàn)?zāi)B(tài)分解技術(shù)的中國房地產(chǎn)周期識(shí)別研究[J].經(jīng)濟(jì)評(píng)論,2014(04):108-121.[19]李合龍,馮春娥.基于EEMD的投資者情緒與股指波動(dòng)的關(guān)系研究[J].系統(tǒng)工程理論與實(shí)踐,2014,34(10):2495-2503.[20]姚衛(wèi)東,王瑞君.結(jié)構(gòu)分解視角下股市波動(dòng)與政策事件關(guān)系的實(shí)證研究——基于EEMD算法[J].上海經(jīng)濟(jì)研究,2016(01):71-80.[21]楊云飛.基于EMD分解技術(shù)的不同市場原油價(jià)格相關(guān)性分析及預(yù)測研究[D].華中科技大學(xué),2011.DOI:10.7666/d.d201490.[22]徐進(jìn)亮,常亮.國際銅價(jià)波動(dòng)性研究——基于EEMD-SVM技術(shù)分析[J