基于投资混频数据的中国经济波动预测

文章基于投资与经济波动之间的相关关系，充分体现统计调查数据和网络搜索数据的优势，利用两种数据对中国宏观经济波动进行研究。针对混频数据的特点和深度学习算法的优势，提出了融合混频数据和深度学习的宏观经济预测方法。首先，考虑到政府统计调查数据与经济波动的强相关性，选取政府投资统计月度指标合成投资统计指数；然后，结合网络搜索数据的时效性和高频性，选取与投资相关关键词的百度指数日度数据合成投资网络搜索指数；最后，构建多源混频数据长短期记忆神经网络模型（MM-LSTM），利用中国2011—2022年的相关数据进行实证研究，并考察模型的精度与时效性。结果表明，投资相关指标与中国GDP增长率之间存在正向关系；网络搜索数据的加入有助于提升宏观经济预测的精度；MM-LSTM模型提高了短期和中期的预测精度，具备提前预测能力，可为相关部门提供决策依据。