近年来,随着全球性的经济发展以及世界各地区的经济增速和动能的衰弱,以及全球性的债务水平的升高以及金融市场的局部动乱等一系列问题的日益加剧,资本直接进行的投资活动也略显较为低迷。尤其是2020年新冠病毒疫情爆发以来,美国、欧洲和其它许多国家政府不尽如人意的处理,导致投资者对经济发展形势进一步看衰,全世界范围内的经济十分不稳定。在此背景下,黄金和许多其它虚拟货币的价格均出现了较大幅度的上涨,加剧了相关市场的动荡和不确定性,我国黄金期货市场的研究具有其现实意义。目前,国内外研究者在黄金期货价格预测上已经做了大量的探索,应用过现有的许多时间序列相关模型,且许多模型训练的整体流程都已经基本固定。但以往的研究在构建模型的输入向量时往往存在着一些问题,主要表现为指标的选取缺少逻辑支撑,以及指标的种类偏少,这些问题使得样本数据中包含的信息不够全面或是不能很好的被模型提取出来。同时,学者们在不断提出新的模型,对于在时间序列预测效果上良好的新模型,将其应用于黄金期货价格预测也有其研究意义。本文主要做了如下研究:首先,参考国内外多方参考文献构建基本行情,技术指标,同类产品和宏观金融指标四大类黄金期货价格影响因素。在此基础上,本文考虑近年迅速发展的自然语言处理（NLP）技术,构建3个黄金概念板块的投资者情绪指标。最终形成了五大类,共34个指标,作为较为全面的黄金价格影响因素指标池。其次,进行变量筛选以确定入模变量的有效性。本文基于XGBoost模型对以上所有变量进行了特征重要性分析,结果显示本文所选取的指标中基本行情类所占特征重要性评分最高,为0.657。根据所有指标的特征重要性评分,选取特征重要性评分前20的指标作为后续入模变量,其中包括收盘价、MA、白银期货每日收盘价、美元汇率和达斯达克综合指数等。最后,本文将上述所得20个特征变量作为入模变量分别构建基于单一Transformer模型和基于CNN-Transformer组合模型的黄金期货价格预测模型,最终得到两个模型的黄金期货价格预测结果。两个模型在测试集中的黄金期货价格预测误差均小于三个比较模型;同时,这两个模型在价格涨跌预测正确比例上的表现也优于三个比较模型。另外,结合CNN构建的CNN-Transformer组合模型在预测价格波动的拟合效果从绘图直观上好于单一Transformer模型,在MSE、RMSE和MAE三项评价指标中的表现也得到了提升,并在测试集的价格涨跌预测正确率上比单一Transformer模型提高了超过5%。这说明CNN在特征提取上的优势有助于提高Transformer的特征能力,结合了CNN的CNNTransformer组合模型能够有效地提高Transformer模型在黄金价格预测上预测准确度和稳定性。综上所述,本文在构建较为完善指标池的基础上,基于CNN-Transformer组合模型建立了我国黄金期货价格预测模型,并在模型比较中表现优异。本文研究为金融产品价格的预测研究提供了新的思路和方法,为个人和机构投资者制定投资策略提供参考,为增加我国金融产品市场活力做出贡献。