融合股市数据的社会消费品零售总额预测方法 |
| |
引用本文: | 蒋翠清,乔晗.融合股市数据的社会消费品零售总额预测方法[J].统计与决策,2022(2). |
| |
作者姓名: | 蒋翠清 乔晗 |
| |
作者单位: | 合肥工业大学管理学院 |
| |
基金项目: | 国家自然科学基金重点项目(71731005)。 |
| |
摘 要: | 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。
|
关 键 词: | 股市数据 社会消费品零售总额 K-L信息量 机器学习 |
本文献已被 维普 等数据库收录! |
|