宏观经济的发展状况反映出我国经济增长、社会发展、人民福祉以及生态环境等全面发展的优劣程度,宏观经济监测预警系统对宏观经济运行的波动性现象进行监测和预报,能够及时有效的反映宏观经济的发展状况,从而为政府提供决策依据,促进宏观经济良好发展。一个好的宏观经济监测预警系统需要有一套符合时代要求的指标体系,指标体系中指标选取的恰当与否,关系着预警结果是否及时有效,也影响着党和政府的宏观经济规划的制定。本文对近十年研究宏观经济监测预警系统指标体系的代表性论文中的指标体系进行汇总分析,并结合统计年鉴中的相关数据,提出在传统指标体系的基础上增加环境污染这个一级指标,并给出相对应的二级指标,从而建立起一套新常态下基于大数据的宏观经济监测预警系统的指标体系。基于宏观经济监测预警系统指标体系的面板数据,构建基于卷积神经网络和支持向量机的预警模型(CNN-SVM模型),监测预警宏观经济运行情况。首先提出将CNN模型引入到经济领域指标体系面板数据的特征提取问题中。将训练集转化为矩阵输入CNN模型提取特征,然后将提取出的特征向量输入SVM模型进行多分类,不同分类结果代表不同的预警等级。训练好CNN-SVM模型的参数后,带入测试集观察预警效果。将利用该模型所得到的测试集预警结果与实际预警等级进行比对,计算判定系数可达99.3%,与单独的基于CNN模型的预警模型相比准确率明显提高。实证结果表明CNN-SVM预警模型能够处理宏观经济非线性问题,具有强大的特征提取能力和稳定的分类能力,有效防止过拟合和局部最优问题,能够较为准确的描述宏观经济运行状况。