论文部分内容阅读
采购经理人指数(PMI)是经济走势的重要先行指标,尤其是制造业PMI,是衡量国家制造业周期情况的指标,它为政府、企业、机构部门判断正确的经济形势,制定相应的对策提供了有力的依据。本文利用中国制造业PMI指数的历史数据,结合沪深300指数建立混合模型并进行分析和预测。首先对原序列采用EMD算法进行分解,得到若干本征模态函数(IMF)和一个残差序列。其次,建立LSTM神经网络对制造业PMI分解所得的所有的低频序列(IMF2-IMF5和Re序列)进行预测,对其中的高频序列(制造业IMF1+沪深300指数IMF1)采用AR-MIDAS模型进行预测。最后,将高频序列预测结果和所有的低频序列预测结果进行相加,得到最终的AR-MIDAS-LSTM组合预测模型结果。结果表明EMD分解可以提高时间序列模型的预测精度,基于EMD分解的AR-MIDAS-LSTM组合模型对未来制造业PMI具有很好的预测效果。