摘要
10月回顾
黄金创下第50次历史新高后，受势能回调及美元走强影响呈震荡走势，但10月仍录得可观涨幅。
未来展望
技术面分析显示，黄金走势亟需短暂休整，但长期趋势未受影响，基本面依然稳健，将持续为金价提供支撑。
10月金价行情逆转
10月20日，金价触及4,294美元/盎司的第50次历史新高，随后回吐了月内大部分涨幅，月末收盘报4,012美元/盎司，月度涨幅为5%。尽管出现回调，在美元小幅走强的背景下，以所有主要货币计价的金价均实现上涨（表1）。
我们的金价表现归因模型（GRAM）显示，隐含波动率上升及地缘政治风险加剧为月度金价上涨提供了支撑作用，而趋势动能的反转（可能伴随投资者获利了结）与美元走强则抑制了黄金的进一步涨幅。
受美国政府停摆影响，COMEX黄金期货持仓数据缺失，COMEX黄金期货的总未平仓量有所下降，表明10月期间该期货多仓被平仓。
表1：美元指数整体上行背景下，以所有主要货币计价的金价均实现上涨
以主要货币计价的金价与回报*
| 美元 （盎司） | 欧元 （盎司） | 日元 （克） | 英镑 （盎司） | 加元 （盎司） | 瑞士法郎 （盎司） | 印度卢比 （十克） | 人民币 （克） | 土耳其里拉 （盎司） | 澳元 （盎司） | |
| 10月金价* | 4,012 | 3,477 | 19,860 | 3,050 | 5,620 | 3,228 | 120,450 | 920 | 168,732 | 6,129 |
| 10月回报* | 4.9% | 6.9% | 9.3% | 7.3% | 5.5% | 6.2% | 5.0% | 5.5% | 6.1% | 6.1% |
| 年初至今回报* | 53.8% | 37.9% | 50.4% | 46.4% | 49.7% | 36.3% | 58.7% | 49.4% | 82.9% | 45.3% |
| 历史最高价* | 4,294 | 3,686 | 20,804 | 3,201 | 6,025 | 3,402 | 129,828 | 999 | 180,169 | 6,592 |
| 最高价日期* | 10月20日 | 10月20日 | 10月20日 | 10月20日 | 10月20日 | 10月20日 | 10月17日 | 10月17日 | 10月17日 | 10月17日 |
*数据截至2025年10月31日。除印度和中国分别采用MCX午盘金价和上海金午盘基准金价外，其他国家/地区均以LBMA午盘金价（美元）为基础，以本币计价。
来源：彭博社，世界黄金协会
短暂调整还是趋势性下跌？
鉴于我们刚刚发布聚焦基本面的三季度《全球黄金需求趋势》报告，且即将发布更着眼于长期走势的《2026年全球黄金市场展望》，因此本月月报将聚焦于价格变化的技术性分析。我们的关键技术面结论如下：
- 此前涨势过猛过快，金价势能已处于超买状态
- 波动率飙升，与历史主要峰值时期的表现类似
- 表明长期上涨势能或迎来短暂休整或回调，以消化超涨压力
- 但长期势能指标并未发出“卖出”信号，，对比历史上类似阶段也未有更大幅下跌的迹象
- 黄金基本面仍保持坚挺
技术面深度解析
黄金涨至10月高点时，其年内涨幅已达66%。其中，8月中旬以来金价的上涨节奏，使得其技术面势能水平触及历史超买区间，黄金市场较长期均线——200日均线亦高出逾25%，这一水平也标志着历史上“典型”的超买极端水平（图1）。
10月第三周金价触顶时波动率的急剧攀升，与2020年、2022年及2025年4月各高点时期的水平相当。叠加周度相对强弱指数（RSI）势能发出“卖出”信号，这表明我们已见证了一轮金价涨势过快过猛的行情，大概率需要一段短期休整或回调，以消化这一极端超买状态（图2）。
鉴于目前尚未出现任何趋势性“卖出”信号，因此我们认为10月的这轮下跌很可能是金价核心长期上涨趋势中一次健康且亟需的短暂休整。
图1：金价显著偏离移动平均线时
黄金现货价（XAU）较200日移动平均线高出20%*
*截至2025年11月5日的每日数据。
来源：彭博社，世界黄金协会
图2：金价的相对强弱指数（RSI）处于超涨区间
黄金现货价（XAU）及相对强弱指数（RSI）*
*截至2025年11月5日的每周数据。
来源：彭博社，世界黄金协会
图3：斐波那契回调位为金价提供潜在支撑位
黄金现货价（XAU）与斐波那契回调位*
*截至2025年11月5日的每周数据。
来源：彭博社，世界黄金协会
后续展望
关键问题更可能在于，这一调整阶段将持续多久，以及潜在回调幅度又将如何？
我们注意到，首个关键技术支撑位位于中期55日均线附近，同时也是2022年低点以来涨势的初始斐波那契回调位，两者均在3,800美元/盎司左右，预计届时经典的“逢低买入”策略将重新入场（图3）。更长期且更重要的支撑位为4月高点3,500美元/盎司，若金价触及该水平，回调幅度将与2020年及2022年的回调相当。
若金价继续上行，当前高点4,382美元/盎司上方的技术阻力位依次为4,420美元/盎司、4,500至4,520美元/盎司，随后是4,675美元/盎司。
历史类比信号分析
除更传统的技术面指标外，我们还进行了上类似走势的对比分析——即对比过去与“当前走势相似”的时期，部分交易员或评论员会通过这种方式凭直觉判断后续可能的价格走势。
这些类比在视觉上颇具说服力，但往往并不可靠，因其前提过于简单，因此我们检验了这种相似性走势在历史上是否具备任何预测价值。1
我们将类比的数量限制在相关性最高的四个时期，以减少计算时间。目前，这四个类比中有三个预示未来金价将走低（图4）。2那么该信号在历史上的可靠性如何？我们通过回测发现，历史类比法的准确度并不高，且当前的市场背景和基本面也与此前不同（表2），这或许并不令人意外。
当所有类比均指向同一方向时，历史预测准确率确实有所提升。但这类情况过于罕见，难以形成具有统计说服力的结论。
因此，这个信号可谓雷声大雨点小…不过倒也令人稍感安心——当然，对于那些依赖此类指标的投资者则另当别论。我们认为，目前并未出现明确且可靠的迹象表明金价将出现暴跌。
图4：四个类比中有三个预示未来一个月金价可能走低…但这是可靠信号吗？
当前与历史关联度最高类比期间的黄金现货价（XAU）*
*数据为1971年12月31日至2025年10月24日的每日数据。图表上方的日期对应横轴上的 T=0。“Corr”表示用于所选模拟情形的相关系数。历史模拟情形的原始价格显示在左侧纵轴上，而当前价格走势显示在右侧纵轴上。
来源：彭博社，世界黄金协会
表2：我们的分析表明，历史模拟作为预测工具的价值有限
基于金价模拟走势的预测质量回测结果*
| 训练期 | 短期 | 中期 | 长期 | |||
| 训练窗口 (天数) | 66 | 66 | 200 | 200 | 777 | 777 |
| 训练窗口 (天数) | 22 | 22 | 40 | 40 | 252 | 252 |
| 测试模拟数量 | 4 | 4 | 4 | 4 | 4 | 4 |
| 测试期 | 短期 | 短期 | 长期 | |||
| 3/4模拟看涨 | 47 | 16 | 3 | |||
| 3/4模拟看跌 | 30 | 17 | 1 | |||
| 4/4模拟看涨 | 9 | 6 | 1 | |||
| 4/4模拟看跌 | 3 | 10 | 0 | |||
| 3/4模拟看涨时的预测准确率 | 60% | 63% | 67% | |||
| 3/4模拟看跌时的预测准确率 | 47% | 53% | 0% | |||
| 全部4个模拟看涨时的预测准确率 | 67% | 83% | 0% | |||
| 全部4个模拟看跌时的预测准确率 | 67% | 50% | - | |||
*数据为1971年12月31日至2025年10月24日的每日数据。训练窗口是将当前上涨行情与历史上“相似”的模拟价格走势进行对比（基于Z分数相关性）。预测窗口是这些历史模拟走势之后的发生的市场表现。我们检验了该信号对后续价格涨跌方向的预测效果：首先分析了当四分之三模拟走势指向同一方向时（如我们当前所见）的方向预测准确率，随后考察了全部四个模拟走势指向同一方向的参考价值。准确率衡量的是模拟预测方向与后续实际走势一致的比例。“长期”与当前涨势的起点时间即2022年相吻合。
来源：彭博社，世界黄金协会
总结
我们近期发布的2025年三季度《全球黄金需求趋势报告》已为投资者详细解析了供需基本面，因此本月的《黄金市场评论》（GMC）纯粹聚焦于价格动态。鉴于有议论称 “此轮行情纯粹由投机或势能驱动”，这一主题尤为值得关注。我们的分析表明，市场早应出现一轮暂停或回调，但长期技术信号尚未进入卖出区间。
这与全球黄金ETF、金条与金币以及各经济体央行购金板块呈现的基本面情况相契合，其背后的驱动因素仍保持积极态势：
- 全球黄金ETF获得支撑，原因是在股债相关性高于常态的背景下，债券作为股票对冲工具的角色在边际层面被黄金战略性替代。
- 美国资产的对冲需求推动资金边际分散至拥挤度较低的资产领域；美元对冲成本意味着美国资产对外国投资者而言需要带来更加高效的回报。
- 基本面驱动因素处于“利好黄金”的水平：实际利率维持高位，按实际有效汇率（REER）衡量美元仍处于高估区间，信贷利差持续处于历史低位，股票市场则呈现高度集中且估值偏高的状态。
- 地缘政治紧张局势、金价上涨预期以及替代资产的匮乏，继续为金条与金币需求提供支撑。
- 各央行购金规模持续扩大，且对金价敏感度降低，这与我们在金条与金币需求中看到的情况类似。
脚注
1在相似度衡量方面，我们采用了两种方法：简单皮尔逊相关系数与基于Z分数的互相关法。其中Z分数法的效果最为理想。皮尔逊相关系数对价格水平差异较为敏感，而Z分数法则会对每个窗口进行标准化处理，更聚焦模式相似度而非绝对价格水平。这一特性有助于弱化仅由共同长期趋势导致的虚假相关性。我们选择使用价格数据而非回报率数据，核心原因在于技术面模拟模式的本质——视觉模式识别，依赖的是价格形态与转折点，而非日常波动产生的噪音。这一选择确实会增加虚假相关性的风险，但本研究更侧重技术面背景分析，而非严格的统计推断。为进一步降低偏差，我们排除了重叠的历史窗口，确保每个模拟均具备真正的独特性，而非相邻时期的近似复制。
2我们构建了一个简单框架，用于检验价格模拟是否拥有预测效力。对于历史上的每个时间点，该模型会回溯一个固定窗口期（例如66个交易日，约三个月），并找出最相似的历史价格模式。之后，它会衡量这些模拟走势出现之后特定时期（例如22天，约一个月）内的价格变动。通过跨时间纬度重复这一流程、避免窗口期重叠，并对比预测结果与实际结果，我们估算出模拟准确预判价格变动方向的频率。我们还测试了不同窗口长度，以及模拟的一致判定阈值（例如要求全部或多数模拟指向同一方向）。这使我们能够量化此类视觉模式转化为实际预测价值的概率。
