基于机器学习LSTM&US模型的消费者信心指数预测研究

消费者信心指数等宏观经济指标具有时间上的滞后效应和动态变化的多维性,不易精确预测。本文基于机器学习长短时间记忆(Long Short-Term Memory,LSTM)神经网络模型,结合大数据技术挖掘消费者信心指数相关网络搜索数据(User Search,US),进而构建一种LSTM&US预测模型,并将其应用于对我国消费者信心指数的长期、中期与短期的预测研究,同时引入多个基准预测模型进行了对比分析。结果发现:引入网络搜索数据能够提高LSTM神经网络模型的预测性能与预测精度;LSTM&US预测模型具有较好的泛化能力,对不同期限的预测效果均较稳定,其预测性能与预测精度均优于其他六种基准预测模型(LSTM、SVR&US、RFR&US、BP&US、XGB&US和LGB&US);预测结果显示本文提出的LSTM&US预测模型具有一定的实用价值,该预测方法为消费者信心指数的预测与预判提供了一种新的研究思路,丰富了机器学习方法在宏观经济指标预测领域中的理论研究。     

互联网大数据下消费搜索指数的构建与应用

文章结合2013年1月1日至2020年6月30日的百度指数这一高频互联网大数据，利用主成分分析法构建高频居民消费搜索指数。在此基础上，将高频搜索指数拓展进ADL-MIDAS混频模型，对居民消费情况展开实证分析和预测。研究发现：所构建的消费搜索指数能较好捕捉居民在双十一、春节、新冠肺炎疫情期间的潜在消费行为变动情况，总体上，居民对消费相关事件的网络关注度变化会对居民消费水平产生显著影响，消费存在显著的耐久效应，收入增长对消费的促进作用明显。此外，引入高频消费搜索指数的混频模型，对比基准模型，在多步向前动态预测和实时预测上都呈现较高的预测精度和较好的稳定性。     

基于网络搜索量和混合频率模型的经济变量预测研究

针对大数据背景下利用互联网搜索量数据进行经济预测的问题,提出建立能够充分利用高频变量信息的混合频率模型,并尝试解决建模过程中的关键词选取、数据预处理和降维等问题。在对金融和消费领域预测的实证研究中,经过筛选的关键词搜索量变量与作为预测对象的经济变量是高度相关的,并且混频模型相对于经过频率转换的模型具有更优的估计量性质和更高的样本内外预测精度。同时,根据估计结果得到的权重函数还可以发现月内各日搜索量在预测模型中的贡献度分布具有不同模式,借助该分布模式可以对经济主体行为进行描述和测度,也为搜索量数据的频率转换提供了一些参考。     

基于百度指数的房地产价格相关性研究

文章以我国大中城市的新建住宅价格为研究对象,以均衡价格理论为基础,使用搜索关键词的百度指数开展研究,分别使用自回归移动平均模型(ARMA)和带搜索项的自回归分布滞后模型对上海市的新建住宅价格指数进行了拟合和预测.实证结果表明:百度搜索指数与价格指数之间存在协整关系,建立的自回归分布滞后模型的拟合度达到0.918,预测精度相较ARMA模型提高23.2％.与传统的预测方法相比,模型具有很强的时效性,能够比国家统计局提前一个月发布房屋价格指数数据.     

考虑高维宏观信息的波动率与股票价格预测

为刻画股票价格的非线性动态特征,并充分利用高维宏观经济变量对股价的预测能力,文章基于LSTM模型、LASSO降维和混频模型,研究了高维情形下利用低频宏观经济变量预测高频股价的问题。首先,使用LASSO方法对高维宏观经济变量进行筛选,并进行因子分析提取宏观因子;然后,使用该宏观因子构建混频GARCH-MIDAS模型以预测波动率;最后,以包含宏观经济信息的波动率和通过因子分析降维后的技术指标因子作为特征,输入LSTM神经网络模型来预测上证综指价格。结果表明,LSTM-GARCH-MIDAS模型具有较高的预测精度和良好的适用性。     

基于网络搜索数据的房地产价格预测

本文以北京、上海、天津、重庆等16个大中城市的二手房价格和新房价格为研究对象,以来自我国最大搜索引擎的百度搜索指数为数据基础,使用6种计量模型分别对16个城市的二手房价格和新房价格进行了拟合和预测,得到预测二手房和新房价格变动情况的最优模型.结果显示:网络搜索数据不但能够较好地预测房价指数,而且能够分析经济主体行为的趋势与规律,有一定的时效性.预测的月度房地产价格能够比官方数据发布提前约两周时间.     

我国利率调整的宏观经济效应研究

文章选取1992～2006年间利率以及相关宏观经济指标的季度数据,运用格兰杰因果检验方法进行实证分析,实证结果表明:实际存贷款利率变动与我国经济波动存在着长期的协整关系,利率变动是经济波动的格兰杰原因.但利率变动对经济波动的影响效应传导并不是通过储蓄或投资渠道,与利率调整相伴的财政政策措施是导致我国经济波动的内在因素.     

基于混频已实现GARCH模型的波动预测与VaR度量

本文将Hansen等（2012）的Realized GARCH模型扩展为包含日内收益率、日收益率以及已实现波动率的混频已实现GARCH模型（M-Realized GARCH模型）。该模型将日内交易分为前后两段,引入了混频均值方程,并对混频均值方程的残差分别建立条件波动率方程和已实现日波动率方程。本文采用2013-2016年沪深300指数混频数据,分别在扰动项服从正态分布、t分布和广义误差分布的假设下,采用损失函数、SPA检验、kupiec检验和动态分位数检验法,对GARCH、Realized GARCH和M-Realized GARCH模型的波动率预测和VaR度量效果对比研究,得出M-Realized GARCH模型能提高预测精度,且VaR实际失败率与理论失败率一致,失败发生之间不相关。最后,本文利用Block bootstrap方法抽样得到混频数据,模拟证明了M-Realized GARCH模型比Realized GARCH模型具有更高的预测精度。     

大维变量选择、混频因子模型与新冠肺炎疫情冲击下的GDP现时预测

新冠肺炎疫情不仅对我国宏观经济造成了巨大冲击,也为准确预测我国宏观经济未来走势带来挑战。本文从新冠肺炎疫情冲击出发,将模型置信集检验与U-MIDAS模型组合,设计了一种在混频情形下利用预测变量的异质性波动从大维数据集中选取对GDP具有稳定预测效果变量的方法。通过利用选取出的稳定性变量构建多种形式的混频目标因子模型并与其他类型的混频因子模型对比,全面评估了不同模型在疫情前后对GDP进行高频现时预测的效果。研究发现,在疫情冲击前的平稳时期,利用覆盖范围较广的变量构建双因子MIDAS模型预测效果最优;利用稳定性变量构建的单因子U-MIDAS模型同样具有良好的预测效果。当经济从冲击中持续恢复时,利用部分稳定性变量构建的双因子U-MIDAS模型在捕捉到GDP的核心变化后率先对其连续做出准确的现时预测。经济稳定时,对预测变量设定较长的滞后阶数会提升预测效果;在冲击后的恢复期中则应减少滞后阶数,避免变量在冲击中出现的异常值对预测产生负面影响。本文也为当经济受到巨大外生冲击或处于冲击后的恢复期时其他宏观经济指标的预测提供了有价值的参考。     

宏观经济指标、技术指标与国债期货价格预测——基于随机森林机器学习的实证检验

分别以筛选的4种技术指标和6个宏观经济指标作为国债期货指数预测变量,利用随机森林算法构建4种机器学习预测模型;依据价格波动集聚性设计跟踪交易规则,通过比较4种模型的预测精度和跟踪交易收益率,检验宏观经济指标、技术指标和随机森林算法对国债期货指数的预测能力。研究结果发现:用主成分精选技术指标构建的预测模型,对国债期货指数的跟踪交易收益率虽然明显优于市场收益率,但不如遵循单个技术指标经验交易规则的跟踪交易收益率;用主成分精选技术指标和宏观经济指标构建的模型能够取得很好的预测精度和跟踪交易收益率,这表明宏观经济指标与技术指标都对国债期货价格具有预测意义,可以利用随机森林机器学习算法构建有效的国债期货量化投资模型。     

中国月度GDP同比增长率估算与经济周期分析

为了充分利用我国同比数据的优势、准确反映和及时调控宏观经济,本文提出一种估计同比数据混频近似因子模型的EM算法,并得到了我国月度GDP同比增长率的估计,然后利用此指标分析了我国经济波动的周期性.研究发现,月度数据的局部极差大于季度数据,尤其在宏观经济经历严重外部冲击时期,月度和季度GDP增长率数据相差较大,即季度GDP平滑了经济的波动性,低估了外部冲击效应.另外,月度GDP增长率数据能够更加精确、及时确定经济周期的转折点.     

互联网环境下基于消费者搜索的酒店入住率预测研究

互联网环境下消费者信息搜索反映了游客潜在的旅游需求。针对酒店入住率的非线性特征,以北京为例,构建BA-SVR@CSQ混合模型对北京星级酒店平均入住率进行预测,其中蝙蝠算法(Bat Algorithm,BA)用于优化SVR模型的自由参数,并利用2011年1月至2017年4月与北京旅游相关的消费者搜索数据(Consumer Search Queries,CSQ)构造SVR模型的输入集。12个月的预测结果表明,与基准模型相比,所构建预测方法能有效提高模型的预测精度,证实了网络搜索数据在酒店入住率预测中的重要价值,预测结果可为旅游相关部门的决策提供必要的参考。     

中国农业统计调查范围及网点潜在延伸问题探讨

目前,对中国农业统计调查数据和信息的需求越来越广,这种需求既与各决策层次高度关注农业问题有关,也与中国坚持可持续发展和检验相关政策措施有关.文章描述了中国开展农业统计调查的范围;阐述了如何通过统计调查收集与农业数据有关的内容,包括统计调查机构的演变和延伸农业统计调查领域面临的问题;明确了农业统计调查数据对上层决策的影响和重要性;并就中国全面统计与抽样调查的分工进行了阐述.     

高等教育投资需求预测模型构建与统计检验

文章通过选取1995-2011年17年间的相关统计指标数据,在加强变量科学选择和预处理的同时,通过逐步回归和求解最优化模型,建立了多元线性回归模型和最优拟合模型,根据统计检验和误差分析比较,并结合经济意义分析,确定了高等教育投资经费总需求的最优拟合预测模型.结果表明该预测方法和模型具有较高的估计精度,预测结果具有一定的决策参考意义.     

基于半参数混频误差修正模型的中国CPI预测研究

考虑宏观经济变量具有明显的非线性特征,将非线性误差修正项引入存在协整关系的非平稳混频数据抽样（MIDAS）模型中,构建半参数混频数据抽样误差修正（SEMI-ECM-MIDAS）模型。使用广义似然比（GLR）检验,拓展了混频数据下模型函数形式的一致性检验问题。模拟结果表明SEMI-ECM-MIDAS模型对存在非线性误差修正机制的数据具有显著的预测优势。最后使用该模型研究中国股票市场周度数据、广义货币发行量月度数据和国际原油市场月度数据对中国CPI的短期预测效果。基于AIC准则,对包含半参数模型在内的4种混频数据抽样模型和2种同频模型的连续预测效果进行了全面的比较。研究结果发现：GLR检验表明误差修正项具有明显的非线性特征且在回归中具有显著的反向修正机制,无论采用递归样本、滚动样本还是固定样本,本文提出的SEMI-ECM-MIDAS模型在进行连续预测时均具有最优的预测精度,且预测结果不受混频动态协整关系选择的影响。     

煤炭大数据指数编制及经验模态分解模型研究

基于开放性数据源、连续观测昨多变量数据编制的大数据指数,与传统的统计调查指数存在的差异不仅在于数据本身的无限扩张,而且在于编制方法以及分解研究的规则、模型方面的差异。在大数据背景下,率先尝试性地提出大数据指数的定义和数据假设,将"互联网大数据指数"引入煤炭交易价格指数综合编制太原煤炭交易大数据指数,从而反映煤炭价格的变动趋势;导入经验模态分解模型,对所编制的煤炭大数据指数进行分解研究,尝试比较与传统的统计调查指数的差异。研究表明:新编制的煤炭价格大数据指数要比太原煤炭交易价格指数更为敏感和迅速,能更好地反映煤炭价格的变动趋势。随着"互联网+"和大数据战略的逐渐普及,基于互联网大数据编制的综合指数会影响到更多领域,将成为经济管理和社会发展各个领域的晴雨表和指示器;与传统统计调查指数逐步融合、互补或者升级,成为宏观经济大数据指数的重要组成部分。     

基于网络搜索数据的住房价格预期与实际价格波动分析

在混频数据方法的框架下,分析网络搜索数据是否能够增强中国住房价格的解释能力。对2011年1月至2014年12月的时间序列数据分析显示:以"房价"为关键词得出的百度指数能够解释中国住房价格的部分波动,将其引入传统模型,显著增强了住房价格预测的准确性。研究表明:混频数据方法通过对高频网络搜索数据和低频官方统计数据进行整合,可以挖掘出大数据背后隐藏的丰富信息,为宏观和中观层面的研究提供坚实的微观数据基础。网络搜索数据提供了一个观察个体行为的良好途径,必将在未来促进宏观经济学到纳米经济学的深度融合。     

融合股市数据的社会消费品零售总额预测方法

社会消费品零售总额是衡量消费水平的重要指标,分析预测其发展趋势对把握中国经济态势具有重要意义。现有研究大多通过传统政府统计指标建模,预测误差较大。为此,文章在传统政府统计指标的基础上扩大数据源,引入股市数据对其进行预测;并采用K-L信息量法对各变量确定最优滞后期,构建了融合股市数据的预测指标体系。结果表明:股市数据能够提升模型预测精度,且对OLS的提升效果最为显著;融合股市数据的LSTM预测效果最优,可以为政府、企业提供更为准确的参考。     

基于ARIMA模型的工业品出厂价格指数预测与分析

工业品出厂价格指数(PPI)对于制定未来的经济政策和宏观经济决策有着重大的意义.文章深入分析了我国从1993～2014年工业品出厂价格指数(PPI)月度数据,并在此基础上应用ARIMA模型进行建模,并作出了短期的预测.研究表明预测数据与真实数据较为接近,预测精度较高,模型拟合优度良好,工业品出厂价格指数(PPI)在未来一段时间内将有可能继续保持稳中有升的趋势.     

我国制造业PMI与宏观经济景气指数关系的实证分析

文章采用2005年1月至2014年3月的中国制造业采购经理指数(PMI)数据以及宏观经济景气指数数据进行描述性相关分析,选取制造业PMI与宏观经济景气一致指数构建向量自回归VAR模型,进行Granger因果检验说明两指数之间存在双向因果关系,进一步利用脉冲响应函数和方差分解的分析方法,研究两指数的相互作用关系,得到PMI对宏观经济景气一致指数具有较长时间和较大程度的正向影响,从定性和定量两方面说明制造业PMI对国家宏观经济的先行影响作用.