一种基于大数据的经济景气的实时监测与预测方法技术

本发明专利技术提供了一种基于大数据的经济景气的实时监测与预测方法，包括：步骤1：获取实时数据集，构建目标模型；步骤2：构建景气指数以及建立识别规则，并将两者同时输入目标分析框架中，其中，景气指数包括：先行景气指数与一致景气指数；步骤3：基于目标分析框架，建立景气指数以及识别规则的目标矩阵；步骤4：基于预设约束条件，确定先行景气指数以及一致景气指数基于目标矩阵的先行滞后关系；步骤5：根据先行滞后关系，对目标模型进行预修正处理，根据修正后的模型，对经济景气进行预测，并输出预测结果。通过构建目标模型以及确定景气指数之间的先行滞后关系，来获取预测结果，提高预测的准确性。

【技术实现步骤摘要】
一种基于大数据的经济景气的实时监测与预测方法
本专利技术涉及大数据
，特别涉及一种基于大数据的经济景气的实时监测与预测方法。
技术介绍
经济景气，是指总体经济呈上升发展趋势，呈现市场繁荣、经济总量增长速度加快的景气状态。经济不景气是指总体经济呈下滑的发展趋势，绝大部分经济活动处于收缩或半收缩状态，表现出市场疲软、经济增长速度停滞或迟缓、许多企业破产倒闭、失业人数增加等现象。且景气是对经济发展善的一种综合性描述，用于说明经济活跃的程度。国内相关领域的研究主要集中在宏观经济景气监测以及经济周期波动特征的分析上，但在更重要的景气(实时)预测方面的成果相对较少。在对宏观经济景气预测时通常依靠对先行合成指数走势的直观判断，在先行合成指数先行期不稳定的情况下易造成误判和预测结果的不一致，导致预测结果不准确。因此，本专利技术提出一种基于大数据的经济经期的实时监测与预测方法。
技术实现思路
本专利技术提供一种基于大数据的经济景气的实时监测与预测方法，用以通过构建目标模型以及确定景气指数之间的先行滞后关系，来获取预测结果，提高预测的准确性。本专利技术提供一种基于大数据的经济景气的实时监测与预测方法，包括：步骤1：获取实时数据集，构建目标模型；步骤2：构建景气指数以及建立识别规则，并将两者同时输入目标分析框架中，其中，所述景气指数包括：先行景气指数与一致景气指数；步骤3：基于所述目标分析框架，建立所述景气指数以及识别规则的目标矩阵；步骤4：基于预设约束条件，确定所述先行景气指数以及一致景气指数基于所述目标矩阵的先行滞后关系；步骤5：根据所述先行滞后关系，对所述目标模型进行预修正处理，根据修正后的模型，对经济景气进行预测，并输出预测结果。在一种可能实现的方式中，步骤1中，获取实时数据集包括：遍历历史时点，获取所述历史时点的实时数据，所述实时数据包括：对应历史时点上的数据信息、对应数据发布的过程信息以及对应数据修正的过程信息；基于所述实时数据，构建历史数据集；获取与所述景气指数相关的平衡数据，并将所述平衡数据作为最终数据集，对所述历史数据集进行预修正处理，获取得到实时数据集。在一种可能实现的方式中，步骤1中，构建目标模型的过程中，还包括：获取历史样本，同时，获取与所述景气指数相关的历史景气结果；根据所述历史样本对所述目标模型进行验证，获取基于所述目标模型输出的第一景气结果；将所述历史景气结果与第一景气结果进行比较，确定所述目标模型的预测准确性；当所述预测准确性低于预设阈值时，判定所述目标模型不合格，并基于所述历史景气结果与第一景气结果的差值对所述目标模型进行修正。在一种可能实现的方式中，步骤2中，构建景气指数的步骤包括：获取所述目标模型的模型参数估计结果，来提取不可观测成分的滤波估计值，并将所述滤波估计值作为第一待处理指数和第二待处理指数；确定所述待处理指数的第一因子载荷以及所述第二待处理指数的第二因子载荷；获取所述第一因子载荷的第一波动信息以及第二因子载荷的第二波动信息；根据所述第一波动信息，对所述第一待处理指数进行修正，得到先行景气指数，同时，根据所述第二波动信息，对所述第二待处理指数进行修正，得到一致景气指数；其中，所述先行景气指数与一致景气指数构成所述景气指数。在一种可能实现的方式中，步骤4中，基于预设约束条件，确定所述先行景气指数以及一致景气指数基于所述目标矩阵的先行滞后关系，包括：对所述目标模型进行评估估计，根据评估估计结果，确定所有先行景气指数转折点，并确定第一个先行景气指数转折点是否存在滞后性；若存在，获取新样本，对所述第一个先行景气指数转折点进行修正，同时，对剩余先行景气指数转折点进行依次判断及修正，获得合格先行景气指数转折点；根据所述实时数据集，确定所述先行景气指数与一致景气指数的景气关系，并根据所述景气关系，确定一致景气指数转折点，并确定所述一致景气指数转折点的滞后性，进而确定所述一致性指数转折点的识别可靠性以及所述先行景气指数的稳定程度；同时，根据所述实时数据集，确定所述先行景气指数以及一致景气指数，处于不同阶段状态对应的状态变量的平滑估计值；根据所述平滑估计值，估计所述先行景气指数和一致景气指数的阶段性变化特征；基于所述约束条件、合格先行景气指数转折点、识别可靠性、稳定程度以及阶段性变化特征，确定所述先行景气指数以及一致景气指数基于所述目标矩阵的先行滞后关系。在一种可能实现的方式中，步骤5中，根据所述先行滞后关系，对所述目标模型进行预修正处理包括：获取所述目标模型的模型参数在不同阶段状态的收敛速度列表；基于所述先行滞后关系确定所述先行景气指数与一致景气指数在不同阶段状态的先行滞后列表；基于时间戳，建立所述先行滞后列表与收敛速度列表的一一对应关系，并提取所述对应关系中存在异常关系的子信息，所述子信息包括：异常关系对应的先行滞后信息以及收敛速度信息、先行滞后信息对应的先行景气指数和一致景气指数的自回归阶数；获取所述目标模型中每个结构层的源数据，并根据所述源数据确定对应结构层的特征向量，将所述特征向量与标准向量进行匹配，并对对应不匹配的结构层进行标定；同时，标定存在异常关系的子信息所处的结构层，并获取所述子信息对应的原始数据在对应结构层的实际链路以及实际链路中的实际节点；确定标定的结构层的层属性，并从标准数据库总提取对应的标准数据输入到对应的标定的结构层中；记录所述标准数据在对应的标定的结构层中的巡回链路，同时，对所述巡回链路中的链接节点；将所述实际节点与链路节点进行一致性比较，并筛选不一致节点，提取所述不一致节点的关键信息，对所述实际链路进行修正；当所述实际链路都修正结束后，获得修正后的模型。在一种可能实现的方式中，根据修正后的模型，对经济景气进行预测，并输出预测结果之后，还包括：获取所述修正后的模型对经济景气进行预测过程中产生的预测日志；对所述预测日志进行分类处理，获得先行景气指数对应的第一指标集合S1＝{Di,i＝1,2,3,...,n1}以及一致景气指数对应的第二指标集合S2＝{Dj,j＝1,2,3,...,n2}，其中，S1表示第一指标集合；S2表示第二指标集合；i表示与所述先行景气指数相关的第一指标的个数，且取值范围为[1，n1]；j表示与所述一致景气指数相关的第二指标的个数，且取值范围为[1，n2]；Di表示第i个第一指标的指标值；Dj表示第j个第二指标的指标值；根据如下公式，计算所述第一指标集合与第二指标集合与第一原始指标以及第二原始指标的差异值W；其中，αi表示第i个第一指标对所述先行景气指数的权重值；αj表示第j个第二指标对所述一致景气指数的权重值；Di′表示与第一指标相对应的第i个第一原始指标的指标值；D″j表示与第二指标相对应的第j个第二原始指标的指标值；(本文档来自技高网...

【技术保护点】
1.一种基于大数据的经济景气的实时监测与预测方法，其特征在于，包括：/n步骤1：获取实时数据集，构建目标模型；/n步骤2：构建景气指数以及建立识别规则，并将两者同时输入目标分析框架中，其中，所述景气指数包括：先行景气指数与一致景气指数；/n步骤3：基于所述目标分析框架，建立所述景气指数以及识别规则的目标矩阵；/n步骤4：基于预设约束条件，确定所述先行景气指数以及一致景气指数基于所述目标矩阵的先行滞后关系；/n步骤5：根据所述先行滞后关系，对所述目标模型进行预修正处理，根据修正后的模型，对经济景气进行预测，并输出预测结果。/n

【技术特征摘要】
1.一种基于大数据的经济景气的实时监测与预测方法，其特征在于，包括：
步骤1：获取实时数据集，构建目标模型；
步骤2：构建景气指数以及建立识别规则，并将两者同时输入目标分析框架中，其中，所述景气指数包括：先行景气指数与一致景气指数；
步骤3：基于所述目标分析框架，建立所述景气指数以及识别规则的目标矩阵；
步骤4：基于预设约束条件，确定所述先行景气指数以及一致景气指数基于所述目标矩阵的先行滞后关系；
步骤5：根据所述先行滞后关系，对所述目标模型进行预修正处理，根据修正后的模型，对经济景气进行预测，并输出预测结果。


2.如权利要求1所述的实时监测与预测方法，其特征在于，步骤1中，获取实时数据集包括：
遍历历史时点，获取所述历史时点的实时数据，所述实时数据包括：对应历史时点上的数据信息、对应数据发布的过程信息以及对应数据修正的过程信息；
基于所述实时数据，构建历史数据集；
获取与所述景气指数相关的平衡数据，并将所述平衡数据作为最终数据集，对所述历史数据集进行预修正处理，获取得到实时数据集。


3.如权利要求1所述的实时监测与预测方法，其特征在于，步骤1中，构建目标模型的过程中，还包括：
获取历史样本，同时，获取与所述景气指数相关的历史景气结果；
根据所述历史样本对所述目标模型进行验证，获取基于所述目标模型输出的第一景气结果；
将所述历史景气结果与第一景气结果进行比较，确定所述目标模型的预测准确性；
当所述预测准确性低于预设阈值时，判定所述目标模型不合格，并基于所述历史景气结果与第一景气结果的差值对所述目标模型进行修正。


4.如权利要求1所述的实时监测与预测方法，其特征在于，步骤2中，构建景气指数的步骤包括：
获取所述目标模型的模型参数估计结果，来提取不可观测成分的滤波估计值，并将所述滤波估计值作为第一待处理指数和第二待处理指数；
确定所述待处理指数的第一因子载荷以及所述第二待处理指数的第二因子载荷；
获取所述第一因子载荷的第一波动信息以及第二因子载荷的第二波动信息；
根据所述第一波动信息，对所述第一待处理指数进行修正，得到先行景气指数，同时，根据所述第二波动信息，对所述第二待处理指数进行修正，得到一致景气指数；
其中，所述先行景气指数与一致景气指数构成所述景气指数。


5.如权利要求1所述的实时监测与预测方法，其特征在于，步骤4中，基于预设约束条件，确定所述先行景气指数以及一致景气指数基于所述目标矩阵的先行滞后关系，包括：
对所述目标模型进行评估估计，根据评估估计结果，确定所有先行景气指数转折点，并确定第一个先行景气指数转折点是否存在滞后性；
若存在，获取新样本，对所述第一个先行景气指数转折点进行修正，同时，对剩余先行景气指数转折点进行依次判断及修正，获得合格先行景气指数转折点；
根据所述实时数据集，确定所述先行景气指数与一致景气指数的景气关系，并根据所述景气关系，确定一致景气指数转折点，并确定所述一致景气指数转折点的滞后性，进而确定所述一致性指数转折点的识别可靠性以及所述先行景气指数的稳定程度；
同时，根据所述实时数据集，确定所述先行景气指数以及一致景气指数，处于不同阶段状态对应的状态变量的平滑估计值；
根据所述平滑估计值，估计所述先行景气指数和一致景气指数的阶段性变化特征；
基于所述约束条件、合格先行景气指数转折点、识别可靠性、稳定程度以及阶段性变化特征，确定所述先行景气指数以及一致景气指数基于所述目标矩阵的先行滞后关系。


6.如权利要求1所述的实时监测与预测方法，其特征在于，步骤5中，根据所述先行滞后关系，对所述目标模型进行预修正处理包括：
获取所述目标模型的模型参数在不同阶段状态的收敛速度列表；
基于所述先行滞后关系确定所述先行景气指数与一致景气指数在不同阶段状态的先行滞后列表；
基于时间戳，建立所述先行滞后列表与收敛速度列表的一一对应关系，并提取所述对应关系中存在异常关系的子信息，所述子信息包括：异常关系对应的先行滞后信息以及收敛速度信息、先行滞后信息对应的先行景气指数和一致景气指数的自回归阶数；
获取所述目标模型中每个结构层的源...

【专利技术属性】
技术研发人员：娄峰，
申请(专利权)人：娄峰，
类型：发明
国别省市：北京;11