融合股市数据的社会消费品零售总额预测方法  

作　　者：蒋翠清[1] 乔晗 

机构地区：[1]合肥工业大学管理学院,合肥230009

出　　处：《统计与决策》2022年第2期151-154,共4页Statistics & Decision

基　　金：国家自然科学基金重点项目(71731005)。

摘　　要：社会消费品零售总额是衡量消费水平的重要指标,分析预测其发展趋势对把握中国经济态势具有重要意义。现有研究大多通过传统政府统计指标建模,预测误差较大。为此,文章在传统政府统计指标的基础上扩大数据源,引入股市数据对其进行预测;并采用K-L信息量法对各变量确定最优滞后期,构建了融合股市数据的预测指标体系。结果表明:股市数据能够提升模型预测精度,且对OLS的提升效果最为显著;融合股市数据的LSTM预测效果最优,可以为政府、企业提供更为准确的参考。

关 键 词：股市数据 社会消费品零售总额 K-L信息量 机器学习 

分 类 号：F201[经济管理—国民经济]