改革开放以来,中国经济经历了持续快速的发展阶段,进出口贸易是拉动经济增长和实现对外交流的重要工具,中美贸易在过去的三十年里有着突飞猛进的发展。然而,两国贸易快速增长的背后是严重的贸易不平衡,这种不平衡近年呈现加剧趋势。中美贸易摩擦的直接原因是美对华贸易逆差过大,而另一方面,随着国际形势的日益复杂化和中国高新技术产业核心竞争力升级,美国指责中国存在知识产权保护不力、非关税壁垒过多、国有企业比例过重等问题,其根本原因是美国试图阻碍中国高新技术发展。新时期贸易形势给中国宏观经济带来了空前的挑战,但也蕴含着巨大的机遇,可谓机遇与挑战并存。因此,科学预测中美贸易发展趋势,是制定对外贸易政策和规划中国贸易路线的基础,对进一步扩大对外开放,积极参与全球竞争,保持对外贸易平稳发展,保证国民经济平稳快速增长具有积极的意义。基于此,本文依托1985至2020年中美贸易数据开展研究。首先对中美贸易相关文献关于影响因素、预测模型及方法以及近期有关影响中美贸易的重大事件三方面进行了综述。其次,运用主成分分析法对中美双边贸易额的影响因素进行了实证分析,将其影响因素归纳为经济因素和不规则变动;最后,基于CEEMD求和重构模型对中美双边贸易季度和月度数据进行预测。通过中美贸易影响因素研究,得到如下结果:⑴经济因素是影响中美双边贸易额的主要指标,中美两国经济实力的提高对中美两国双边贸易额呈现显著的促进作用;⑵2008年金融危机和H1N1猪流感等重大事件对中美贸易发展的影响较小,回归模型结果显示其影响不显著;⑶特朗普政府对中美贸易发展有显著的抑制作用,特朗普政府对中美贸易的影响主要表现在加剧中美贸易摩擦与加剧中美产业竞争;⑷新冠肺炎疫情对中美贸易发展有显著的抑制作用,在短期内中美经贸关系会受到此轮新冠疫情的负面冲击,但是从中长期来看,中美之间经贸关系取决于双方战略竞争格局和博弈结果。通过中美双边季度/月度贸易额预测模型的结果对比,得到以下结论:⑴对比研究机器学习算法结果,我们发现基于CEEMD-NARX-SVR-ARIMA建模得到的短期混合模型在所有预测模型中效果最好;⑵ARIMA模型在短期预测表现好,在长期预测层面,各机器学习模型优于时间序列模型以及传统回归预测模型;⑶经过CEEMD求和重构的模型预测效果均优于未使用CEEMD方法的预测模型;⑷对CEEMD方法分解所得分量本身经济含义进行针对性的模型选取,所得的混合预测模型的精度高于单一预测模型的精度,预测效果更好;⑸对CEEMD方法分解的中美双边季度贸易额得到各分量时序图进行分析,高频本征模函数加入经济因素预测精度更高,低频本征模函数不加入经济因素预测精度更高,由此可知:高频本征模函数代表了以年为周期的短期经济周期性波动,低频本征模函数代表历史重大事件的不规则变动,残余分量代表总体中美双边季度贸易额长期趋势;⑹月度数据得出的结论与季度数据一致,表明该模型的稳定性好,可推广到其他经济预测领域。