金价创40年来最糟糕年初表现,二季度即将逆袭年底剑指2200?

2021年第一季度已经结束,但近期黄金行情不佳,金价已从去年8月高位下跌了19%,回到了去年2月疫情爆发前的水平。但是,这种情况会持续下去吗?从目前的情况看,很多分析师对第二季度黄金前景乐观,本周就能上涨。最乐观的富国银行甚至预测年底能升至2200美元/盎司。

尽管这些消息令人失望,但金价在上周跌破1680美元后出现反弹,仍令黄金多头感到鼓舞。4月5日亚市早盘,金价交投于1728美元附近。

然而,分析师表示,目前仍没有明显的催化剂推动金价大幅走高。

道明证券全球策略主管Bart Melek在接受采访时表示,金价曾跌破1680美元,现在处于反弹模式。就目前而言,金价只能局限于一定区间。

Melek认为,美元走势仍是影响黄金前景的一大因素。如果全球其它地区经济开始复苏,这将引发美元走软(从而利好金价)。他对第二季金价前景比较乐观,但认为要到今年下半年才会找到上涨动能。此外,Melek认为,比特币的受欢迎程度和股市上涨的影响也不应被低估,这将削弱市场对黄金的兴趣。

Phoenix Futures and Options LLC总裁Kevin Grady表示,美国政府加大刺激力度,10年期国债收益率对金价的影响应该不会太大,他认为加密货币正在损害黄金投资。Grady补充称,考虑到美国政府所有的刺激措施,金价交投于1700美元附近是不合理的。他在关注投资者是否会重新对黄金产生兴趣。Grady还表示,从技术角度来看,黄金前景看起来更好。不坚定的多头退出,头寸正在发生转向。

他补充称,自己仍预计随着通胀加速,金价将在年底前达到每盎司1900美元。

一些分析师对第二季度金价走势更为乐观,甚至预测本周就能上涨。

LaSalle Futures Group高级市场策略师Charlie Nedoss表示,他预计金价本周就将继续走高。RJO期货资深商品经纪人Daniel Pavilonis指出,美国国债收益率第二季可能小幅回落,他也看好本周的黄金表现。

Pavilonis认为,美债收益率涨势可能会出现一些喘息。如果美债收益率回落,对黄金来说是件好事。如果债券收益率上涨得慢点,黄金就会有更好的发挥。

富国银行似乎更为乐观。该行预计金价将出现“最强劲的反弹”,并预计今年金价目标价为2200美元。富国银行表示,黄金供应已从过度转向不足,并补充称,黄金可能即将进入一个新的大宗商品牛市超级周期。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个简单的 Python 代码示例,用于针对不同公司的金价进行数据处理和分类模型预测: ```python import pandas as pd import numpy as np from sklearn.linear_model import LogisticRegression from sklearn.svm import SVC from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 读取数据 df = pd.read_csv('gold_price.csv') # 数据清理和预处理 df = df.dropna() # 删除缺失值 df['date'] = pd.to_datetime(df['date']) # 转换日期格式 df['year'] = df['date'].dt.year # 提取份 df['month'] = df['date'].dt.month # 提取月份 df['day'] = df['date'].dt.day # 提取日期 df = df.drop(['date'], axis=1) # 删除日期列 # 特征工程 features = ['year', 'month', 'day', 'company'] # 选择特征变量 X = pd.get_dummies(df[features], columns=['company']) # 对公司进行独热编码 y = df['category'] # 目标变量 # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0) # 建立分类模型 clf = LogisticRegression() # 使用逻辑回归算法 # clf = SVC() # 使用支持向量机算法 clf.fit(X_train, y_train) # 预测金价分类 y_pred = clf.predict(X_test) # 计算分类准确率 accuracy = accuracy_score(y_test, y_pred) print('分类准确率:', accuracy) ``` 这个代码示例假设你已经有了一个名为 `gold_price.csv` 的 CSV 文件,其中包含不同公司的金价历史数据和分类信息。代码首先读取数据,然后进行数据清理和预处理,包括删除缺失值、转换日期格式、提取份月份日期等等。接着进行特征工程,包括选择特征变量和对公司进行独热编码。然后将数据集划分为训练集和测试集,使用逻辑回归或支持向量机算法进行分类模型训练。最后,使用训练好的模型对测试集进行预测,计算分类准确率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值