The Long-Term Relationship between Nasdaq Index and Gold Yield: Analysis Based on ARMAX Model
Notice bibliographique
Résumé
This article explores the relationship between the gold yield and the Nasdaq index through a detailed understanding of the gold yield and the changes in the Nasdaq index in the past ten years. Will the gold yield be affected by the Nasdaq index, whether there is a correlation between the two, and whether the gold price can be predicted based on the Nasdaq index. In this paper, the ARMA model is used to rank the gold return rate, and four models are used, namely the gold return rate, the gold return rate plus the Nasdaq index, the gold return rate plus the Nasdaq index lagging 1 period and lagging 2 Period to analyze and finally explore the relationship between the two. This paper mainly finds that the return rate of gold is positively correlated with the Nasdaq index, but the prediction efficiency of the model is low. Gold is an effective return to crisis industries. When the stock market is not friendly, gold can play a very good hedging role. This article uses the influential and extensive data of the Nasdaq index to let everyone know how to analyze the yield of gold through existing data. In short, it is when to buy and sell gold. This paper suggests that although the model shows that the prediction effect of the Nasdaq index on the gold return rate is not significant, the two show a positive correlation, and it has a significant effect in the lag period 1 and 2. It is recommended to use the Nasdaq index Investors who watch gold yields give priority to watching lag 1.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».