# gold_trend_forecast

**Repository Path**: bltzmnn/gold_trend_forecast

## Basic Information

- **Project Name**: gold_trend_forecast
- **Description**: 基于多因子分析和机器学习的黄金价格走势预测系统，包含实时获取金价和政治经济新闻。
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-03-23
- **Last Updated**: 2026-03-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 黄金价格走势预测模型

基于多因子分析和机器学习的黄金价格走势预测系统，包含实时获取金价和政治经济新闻。

## 项目结构

```
gold_trend_forecast/
├── src/                              # 核心源码
│   ├── __init__.py                   # 包初始化
│   ├── utils.py                      # 工具函数
│   ├── advanced_predictor.py         # 高级预测器(多因子分析)
│   ├── ultimate_predictor.py         # 终极预测器(主模型)
│   ├── gold_price_fetcher.py         # 实时金价获取模块
│   ├── news_fetcher.py               # 实时新闻获取模块
│   ├── ultimate_weekly_data.py       # 周度数据生成
│   ├── ultimate_weekly_backtest.py   # 周度回测引擎
│   ├── iterative_optimizer.py        # 迭代优化器
│   └── backtest_report_generator.py  # 报告生成器
├── predict_this_week.py              # 本周预测入口
├── run_ultimate_weekly_backtest.py   # 回测入口
├── requirements.txt                  # 依赖
└── README.md                         # 说明文档
```

## 模型原理

### 1. 多因子分析框架

模型综合分析七大类因子：

| 因子类型 | 包含指标 | 权重范围 |
|---------|---------|---------|
| 宏观因子 | 实际利率、美元指数、通胀预期、美联储利率 | 8-15% |
| 季节性因子 | 月份效应、节假日效应 | 5-10% |
| 技术因子 | MA、MACD、RSI、布林带、KDJ | 10-18% |
| 情绪因子 | ETF持仓、VIX指数、市场情绪 | 8-12% |
| 相关资产 | 原油、美股、美债收益率 | 8-10% |
| 新闻因子 | 实时政治经济新闻、利好利空分析 | 12-18% |
| 事件因子 | 地缘政治、突发事件 | 10-12% |

### 2. 新闻因子分析

- **关键词匹配**: 黄金、美联储、利率、美元、地缘政治等50+关键词
- **情感分析**: 自动识别利好/利空消息
- **影响评分**: 计算新闻对金价的影响分数 (-1 到 +1)
- **相关度计算**: 评估新闻与黄金的相关程度

### 3. 动态权重系统

根据市场状态自动调整因子权重：

- **牛市**: 增加技术因子和趋势因子权重
- **熊市**: 增加情绪因子和宏观因子权重
- **震荡市**: 增加季节性因子权重
- **转折市**: 增加反转信号检测权重

### 4. 市场状态识别

| 状态 | 说明 |
|------|------|
| 牛市 | 多头排列，动量向上 |
| 熊市 | 空头排列，动量向下 |
| 震荡市 | 均线交织，波动收窄 |
| 转折市 | 状态转换中 |

### 5. 预测流程

```
实时金价数据 ─┬─→ 因子计算 ─→ 市场状态识别 ─→ 动态权重分配
              │                                    ↓
实时新闻数据 ─┘                          多模型融合 ─→ 置信度评估 ─→ 预测输出
```

## 安装

```bash
pip install -r requirements.txt
```

主要依赖：
- numpy >= 1.24.0
- pandas >= 2.0.0
- requests >= 2.28.0
- scikit-learn (可选，用于机器学习)
- torch (可选，用于LSTM)

## 使用方法

### 1. 预测本周黄金走势

```bash
python predict_this_week.py
```

输出示例：
```
【1. 获取实时金价数据】
   ✓ 数据源: 新浪财经-纽约黄金期货
   ✓ 当前金价: $4353.60 / 盎司
   ✓ 黄金ETF获取到 100 个历史价格

【2. 获取实时新闻因子】
   ✓ 获取到 X 条相关新闻
   ✓ 金价影响分数: +0.32

【预测结果】
   本周预测方向: 上涨 ▲
   预测涨跌幅: +0.17%
   预测置信度: 55.2%
   市场状态: 熊市
   综合判断: 偏多看涨
```

### 2. 运行历史回测

```bash
python run_ultimate_weekly_backtest.py
```

### 3. 作为模块使用

```python
from src.ultimate_predictor import UltimateGoldPredictor
from src.gold_price_fetcher import GoldPriceFetcher
from src.news_fetcher import NewsFetcher
from src.advanced_predictor import EventData

# 获取实时金价
fetcher = GoldPriceFetcher()
result = fetcher.get_current_price()
current_price = result['current_price']

# 获取历史价格
prices = fetcher.get_historical_prices(100)

# 获取新闻因子
news_fetcher = NewsFetcher()
news_factors = news_fetcher.get_news_factors()
impact_score = news_fetcher.get_gold_impact_score()

# 初始化预测器
predictor = UltimateGoldPredictor()

# 准备数据
event = EventData(
    sentiment_score=news_factors['news_sentiment'],
    geopolitical_risk=0.35,
    event_count=news_factors['news_count'],
    positive_events=news_factors['bullish_count'],
    negative_events=news_factors['bearish_count']
)

# 执行预测
prediction = predictor.predict(
    year=2026,
    month=3,
    prices=prices,
    event=event
)

print(f"预测方向: {'上涨' if prediction['predicted_change'] > 0 else '下跌'}")
print(f"预测涨跌幅: {prediction['predicted_change']*100:.2f}%")
print(f"置信度: {prediction['confidence']*100:.1f}%")
```

## 核心类说明

### UltimateGoldPredictor

主预测器类，继承自AdvancedGoldPredictor，包含实时新闻因子。

```python
class UltimateGoldPredictor:
    def predict(self, year, month, prices, event) -> Dict:
        """
        执行预测

        返回:
            predicted_price: 预测价格
            predicted_change: 预测涨跌幅
            confidence: 置信度
            market_state: 市场状态
            reversal_signal: 反转信号
            factors: 各因子贡献
        """
```

### GoldPriceFetcher

实时金价获取器。

```python
class GoldPriceFetcher:
    def get_current_price(self) -> Dict:
        """获取当前金价"""

    def get_historical_prices(self, days=100) -> List[float]:
        """获取历史价格"""
```

### NewsFetcher

实时新闻获取器。

```python
class NewsFetcher:
    def get_all_news(self) -> List[NewsItem]:
        """获取所有相关新闻"""

    def get_news_factors(self) -> Dict:
        """获取新闻因子"""

    def get_gold_impact_score(self) -> float:
        """获取新闻对金价的影响分数 (-1 到 1)"""
```

## 风险提示

1. 本模型仅供学习研究使用，不构成投资建议
2. 预测结果存在不确定性，实际走势可能与预测不符
3. 历史表现不代表未来收益
4. 投资有风险，入市需谨慎

## 版本历史

- v1.0: 基础预测模型
- v2.0: 添加多因子分析
- v3.0: 终极预测器，动态权重，市场状态识别
- v3.1: 自动获取实时金价数据
- v3.2: 添加实时新闻因子分析
- v3.4: 优化数据源，使用新浪财经+黄金ETF获取金价数据

## 许可证

MIT License