【技术实现步骤摘要】
本申请涉及宏观经济预测，具体而言，涉及一种短期经济预测模型的训练方法、装置及可读存储介质。
技术介绍
1、传统的指数预测方法是应用范围最广，影响最大的宏观经济监测预测方法，主要包括扩算指数法和合成指数法，实际研究过程中常把两种方法结合起来判断经济状况。构建传统的指数预警假设宏观经济是周期性的，这种波动是相对规则和稳定的。使用传统的指数预警方法必须首先确定可以准确描述宏观经济运行现状的基准指标，并据此确定经济波动的峰、谷和周期，然后选择多个指标以编制扩散与合成指数。
2、景气信号灯方法是最为广泛认可的宏观经济预测方法。通常情况下将传统指数预警方法与景气信号灯方法相结合使用。传统景气信号灯法假设己知经济循环波动的区间，通过观察指标所处的波动区间确定预警等级。
3、计量经济模型也是近年来使用较多的经济预测技术，主要包括arma模型、arch模型、tar模型、var模型等。计量模型可以清楚地显示经济变量内部及其之间的定量关系，并剔除贡献率低的解释因素以提高模型的拟合度。然而，正是由于“平滑”处理使得经济变量周期性运动特点被遗漏，而监测预警就是需要通过预测经济周期转折点的，所以这是它非常显著的弊端。但当处理复杂的非线性经济问题时，某些非线性计量经济学模型与传统指数预警方法、传统景气信号灯方法相比显示出相对优势。
4、基于机器学习的监测预测方法突破了以往人们对于传统预测系统的理论认识，是宏观经济监测预测方法研究的新领域。这种预测方法主要运用人工神经网络和模式识别等学科的研究成果，它的主要原理是将有类似特征
5、当前关于宏观经济景气指数的研究大多基于月度和季度的经济和行业统计数据，一方面，更新速度较慢，需要等待大量经济统计数据公布之后才能进行指数的更新，难以捕捉当前形势下宏观经济运行的短期实时波动情况；另一方面，仅凭经济统计数据构建宏观经济监测指标体系，颗粒度较粗，难以全面反映宏观经济各层面、各维度的运行情况。
技术实现思路
1、本申请实施例的目的在于提供一种短期经济预测模型的训练方法、装置及可读存储介质，用以解决基于月度和季度的经济和行业统计数据更新速度较慢，需要等待大量经济统计数据公布之后才能进行指数的更新，难以捕捉当前形势下宏观经济运行的短期实时波动情况并且颗粒度较粗，难以全面反映宏观经济各层面、各维度的运行情况的问题。
2、本申请实施例提供的一种短期经济预测模型的训练方法，包括：
3、获取多个高频指标，对每一高频指标进行如下处理：
4、对高频指标进行降频处理，得到与核心经济指标的频率一致的目标频率数据；
5、根据目标频率数据分别与当期核心经济指标、下一周期核心经济指标、…、下n周期核心经济指标计算皮尔逊相关系数，得到n+1个相关系数：r0(xi)、r1(xi)、…、rn(xi)；
6、根据n+1个相关系数中最大的相关系数，确定高频指标对应的领先周期数j；j大于等于0且小于等于n；
7、在得到所有高频指标对应的领先周期数之后，将领先周期数j的第一高频数据作为混频数据分析模型的第一输入，将低频领先数据作为混频数据分析模型的第二输入，将下j周期核心经济指标作为混频数据分析模型的输出，进行混频数据分析模型的训练，得到短期经济预测模型；其中，第一高频数据包括所有领先周期数为j的高频指标；
8、短期经济预测模型用于预测下j周期核心经济指标。
9、上述技术方案中，通过计算高频指标与核心经济指标之间的皮尔逊相关系数，确定每个高频指标的领先周期数，从而得到用于预测特定周期核心经济指标的第一高频数据，再采用混频数据分析模型，能够同时利用高频和低频数据，从而更好地捕捉当前形势下宏观经济运行的短期实时波动情况。并且，高频数据包括对经济活动具有重要影响的能源消费数据、气候冲击数据以及反映舆情分布的每日新闻数据等，从不同侧面实时反映宏观经济运行的情况，在经过高频指标筛选之后，构建相应混频监测预测模型，对来自内外部的冲击造成的影响进行及时预判并制定科学的对策。
10、在一些可选的实施方式中，在得到短期经济预测模型之后，还包括：将当前获取到的实际第一高频数据和实际低频领先数据共同输入短期经济预测模型，进行预测，能够得到根据实际情况预测的下j周期核心经济指标。
11、在一些可选的实施方式中，对高频指标进行降频处理，得到与核心经济指标的频率一致的目标频率数据，包括：
12、对高频指标，利用经验模态分解算法进行分解，得到包括多个imf分量和一个残差的分解数据；
13、将分解数据中的残差以及高频分量的imf分量去除，并将剩余部分求和，得到去扰动数据；
14、对去扰动数据求平均值，实现降频，得到目标频率数据。
15、上述技术方案中，通过经验模态分解(emd)算法能够将原始高频指标分解为多个本征模函数(imf)分量和一个残差，可以有效分离出噪声和趋势，得到去扰动数据，提高数据的清晰度和可分析性。对去扰动数据求平均值进行降频，例如将日度频率数据计算月平均值，得到月度频率数据。
16、在一些可选的实施方式中，将领先周期数j的第一高频数据作为混频数据分析模型的第一输入，将低频领先数据作为混频数据分析模型的第二输入，将下j周期核心经济指标作为混频数据分析模型的输出，进行混频数据分析模型的训练，包括：
17、对第一高频数据计算对数差，得到第一输入数据；对低频领先数据计算对数差，得到第二输入数据；对下j周期核心经济指标计算对数差，得到输出数据；
18、根据第一输入数据、第二输入数据和输出数据，进行混频数据分析模型的训练。
19、上述技术方案中，数据在输入混频数据分析模型之前需要进行对数差变换，对数差变换是一种常用的数据处理方法，在混频数据分析模型中应用对数差变换可以帮助消除数据的尺度效应、使得数据更符合正态分布假设等，从而使得分析结果更加准确可靠。
20、在一些可选的实施方式中，根据第一输入数据、第二输入数据和输出数据，进行混频数据分析模型的训练，包括：
21、对第一输入数据、第二输入数据和输出数据，安时间先后分为训练集和测试集；
22、利用上述训练集分别训练不同的混频数据分析模型，得到多个训练后的混频数据分析模型；
23、利用测试集，分别计算多个训练后的混频数据分析模型的模型评价指标，得到多个评价指标值；
24、将评价指标值最优的训练后的混频数据分析模型，作为短期经济预测模型。
25、上述技术方案中，可使用的混频数据分析模型包括但本文档来自技高网...
【技术保护点】
1.一种短期经济预测模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述得到所述短期经济预测模型之后，还包括：
3.如权利要求1所述的方法，其特征在于，所述对所述高频指标进行降频处理，得到与核心经济指标的频率一致的目标频率数据，包括：
4.如权利要求1所述的方法，其特征在于，所述将领先周期数j的第一高频数据作为混频数据分析模型的第一输入，将低频领先数据作为所述混频数据分析模型的第二输入，将下j周期核心经济指标作为所述混频数据分析模型的输出，进行所述混频数据分析模型的训练，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述第一输入数据、第二输入数据和输出数据，进行所述混频数据分析模型的训练，包括：
6.如权利要求5所述的方法，其特征在于，模型评价指标包括：均方误差、均方根误差、平均绝对误差或R2决定系数。
7.如权利要求1所述的方法，其特征在于，所述在得到所有高频指标对应的领先周期数之后，还包括：
8.如权利要求7所述的方法，其特征在于，所述得到下j周期景气指数
9.一种短期经济预测模型的训练装置，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-8任一所述的方法。
...【技术特征摘要】
1.一种短期经济预测模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述得到所述短期经济预测模型之后，还包括：
3.如权利要求1所述的方法，其特征在于，所述对所述高频指标进行降频处理，得到与核心经济指标的频率一致的目标频率数据，包括：
4.如权利要求1所述的方法，其特征在于，所述将领先周期数j的第一高频数据作为混频数据分析模型的第一输入，将低频领先数据作为所述混频数据分析模型的第二输入，将下j周期核心经济指标作为所述混频数据分析模型的输出，进行所述混频数据分析模型的训练，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述...
【专利技术属性】
技术研发人员：郭琨，姬强，田英杰，刘冬兰，刘新，姚洪磊，孙艺新，柳占杰，
申请(专利权)人：中国科学院大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。