在国民经济中,流通产业占据着战略地位,它串联着经济体中的多个行业,一方面它为生产部门带来了需求信息、提供转移生产成果的去路,另一方面也为消费部门供应着商品与服务。随着经济模式持续变更,流通产业也发生着诸多变化,本文正是基于景气指数对其周期波动特征进行了探析,并构建出预警模型估计其发展方向与幅度。首先,本文确认了流通产业景气分析的基准指标——流通产业增加值增速,并从流通产业的产业整体发展情况、产业自支持度、宏观支持度三个方面构建了我国流通产业景气波动监测预警指标体系。其次,针对基准指标,本文通过EEMD时频分解法将其分解成了七个固有频率不同的分量,从而初步分辨出我国流通产业基准周期的结构及特征。结果显示,(1)从整个研究期限来看,短期因素的冲击对流通产业的影响较大,根据短期波动的特征,可以将流通产业划分为"低幅高频-高幅低频-低幅高频"三个阶段;(2)从临近年份来看,中长期因素的负面效应是导致近期流通产业存在滑落倾向的主因。再次,在经过数据预处理,取得指标体系中各指标的循环因子后,本文通过时差相关法、峰谷法与系统聚类法辨别出各指标与基准指标循环因子相比的先行、一致与滞后性,其中,系统聚类法对指标间距离的测量采用的切比雪夫距离,对类间距的测量采用的ward法;在此基础上,本文分别对这三类指标编制了景气合成指数,并用所有指标计算出综合景气指数。结合景气指数的走势与EEMD信号分解结果可知:(1)在研究期限内,我国流通产业经历了五个周期,其中第一周期长度最长,第二个周期震荡最剧烈,后三个周期正位于金融危机过后的调整期,波动相对平稳;(2)根据先行指数的走势,可以定性预计下一季度流通产业将加速下滑,并且这在很大程度上归因于流通产业固定资产投资增速的下滑以及货物运输行业的发展不济。最后,本文通过"μ-σ法"将流通产业综合景气指数划分为冷热不同的五个警情等级。然后将综合景气指数作为输出变量,经时间平移后的先行与一致指标作为输入变量,基于适用于连续型变量回归的BP-ANN、CART决策树、CHAID决策树与SVR建立了流通产业监测预警模型,同时针对在小样本问题中存在缺陷的前三类模型通过boosting算法提升其预测精度。经过比较,本文选择了训练和泛化能力均最为杰出的多项式核函数SVR模型对下一季度流通产业的景气程度进行了预测。结果表明,流通产业景气水平确实将加速下滑,估计值为98.8634,根据警情划分标准,它已处在跌破"正常"线的边缘。为此,本文提出了几项建议:合理化财富分配以促进消费;在工业化生产当中融入新技术以满足需求;创新商业模式、融合新旧市场,以挖掘潜在需求;投资交通基础设施,并促进物流仓储信息化发展。