收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于机器学习LSTM&US模型的消费者信心指数预测研究

唐晓彬  董曼茹  张瑞  
【摘要】: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LSTMUS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; LSTMUS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、SVRUS、RFRUS、BPUS、XGBUS和LGBUS);预测结果显示本文提出的LSTMUS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。

知网文化
【相似文献】
中国期刊全文数据库 前15条
1 杨妥;李万龙;郑山红;;基于新闻信息的股票指数预测[J];长春工业大学学报;2020年01期
2 宗慧;赵韡;;应用机器学习算法构建心梗患者风险预测模型[J];中国数字医学;2016年04期
3 钱晓山;;基于改进基因表达式程序设计的股票指数预测[J];计算机工程;2009年05期
4 李想;李少波;但雅波;董容智;曹卓;牛程程;胡建军;;基于样本冗余控制的材料属性机器学习预测模型[J];科学技术与工程;2019年34期
5 陈振伟;郭拯危;;小波神经网络预测模型的仿真实现[J];计算机仿真;2008年06期
6 颜杰;相丽驰;方积乾;;灰色预测模型及SAS实现[J];中国卫生统计;2006年01期
7 王欣欣;汤军;;学生成绩预测模型的对比分析[J];电脑知识与技术;2020年01期
8 邢吉生;武海巍;;基于支持向量机的啤酒企业能源消耗预测模型[J];吉林大学学报(信息科学版);2014年06期
9 史弘宇;车晴;;基于支持向量机算法的合金收得率预测模型[J];数码世界;2020年05期
10 田雨;侯乾宝;豆丹;唐健;;基于集成学习的交通拥堵预测模型[J];电脑与电信;2020年04期
11 张善文;张传雷;丁军;;基于改进深度置信网络的大棚冬枣病虫害预测模型[J];农业工程学报;2017年19期
12 金超;牟艳;马堃;高晴;;灰色模型和支持向量机组合的预测模型及其应用[J];微型电脑应用;2015年01期
13 颜卫卫;肖业兴;马铁军;;基于径向基函数神经网络的挤出温度预测模型[J];橡塑技术与装备;2014年02期
14 曾振东;;基于灰色支持向量机的网络舆情预测模型[J];计算机应用与软件;2014年02期
15 李永祥;杨建国;郭前建;王秀山;沈金华;;数控机床热误差的混合预测模型及应用[J];上海交通大学学报;2006年12期
中国重要会议论文全文数据库 前7条
1 沈佳辉;徐哲;何必仕;陈云;;基于GRA/LSTM的排水管网窨井液位预测模型[A];2019中国自动化大会(CAC2019)论文集[C];2019年
2 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年
3 姜大立;;基于神经网络的综合预测模型[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年
4 石亚欣;;基于支持向量机的风速周期预测模型[A];智能化电站技术发展研讨暨电站自动化2013年会论文集[C];2013年
5 曾昭磐;赵晓红;;基于人工神经网络的预测方法研究[A];1994中国控制与决策学术年会论文集[C];1994年
6 刘芸;田鹏举;黄林峰;杨娟;李雪;;基于NOAA数据的贵州省火灾多发年份预测模型及检验[A];第35届中国气象学会年会 S21 卫星气象与生态遥感[C];2018年
7 杨嘉;吴祥生;张敏琦;;神经网络在建筑能耗宏观预测模型中的应用[A];全国暖通空调制冷2002年学术年会论文集[C];2002年
中国博士学位论文全文数据库 前4条
1 冉祥栋;基于深度学习的交通时间预测模型与方法研究[D];北京科技大学;2019年
2 胡姗姗;药物互作数据的挖掘与预测研究[D];安徽大学;2019年
3 刘震;基于计算智能的药品预测模型及其在医药智能物流平台中的应用研究[D];重庆大学;2017年
4 李培志;支持向量机模型的优化及其应用研究[D];东北财经大学;2019年
中国硕士学位论文全文数据库 前10条
1 耿旭东;基于机器学习的股票指数预测研究[D];河南大学;2019年
2 严日升;基于多预测模型的中国-东盟汇率预测分析[D];厦门大学;2019年
3 张俭;基于深度学习的风功率预测模型的研究[D];北京交通大学;2019年
4 吴非;基于特征工程的用户购买预测模型研究[D];长安大学;2019年
5 郭彦男;基于大数据技术的智能电网企业日用电量预测模型实现[D];广东工业大学;2019年
6 王泽宇;基于粒子群优化算法的电信客户流失预测模型的设计与实现[D];中国科学院大学(中国科学院人工智能学院);2019年
7 王嘉豪;基于XGBoost的还款概率预测模型分析与优化[D];西安电子科技大学;2019年
8 葛君;基于EEMD的气温和降雨量预测模型及其应用[D];南京信息工程大学;2019年
9 朱培宇;铣削加工中切削比能预测模型及实验研究[D];山东理工大学;2019年
10 林淑莺;基于深度学习的中文反讽程度预测[D];福州大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978