基于SSA-LSTM模型的消费者信心指数预测研究  

作　　者：李希亮[1] 陈亚娟 

机构地区：[1]山东工商学院数学与信息科学学院,山东烟台264005 [2]山东工商学院统计学院,山东烟台264005

出　　处：《统计理论与实践》2022年第8期16-22,共7页STATISTICAL THEORY AND PRACTICE

基　　金：国家自然科学基金项目“非线性随机发展方程回复解及其遍历性研究”(11971273)。

摘　　要：消费者信心指数(CCI)是反映居民消费意愿的宏观经济指标,具有非线性时变特征且发布时间存在滞后性。结合相关网络搜索数据,采用Lasso回归进行降维,引入麻雀搜索算法(SSA)对长短期记忆(LSTM)神经网络模型进行组合优化,通过构建SSA-LSTM模型对我国CCI进行一年期的预测,并基于预测性能评价指标与LSTM模型进行对比分析。研究表明:构建的SSA-LSTM模型预测效果和预测精度显著优于LSTM基准模型且转折点预测能力强;同时,结合网络搜索数据对CCI进行预测时效性强,预测值比官方发布数据领先半个月左右,能够及时为宏观经济决策和相关政策制定提供有价值的参考。

关 键 词：消费者信心指数 Lasso回归 SSA算法 SSA-LSTM模型 

分 类 号：C81[社会学—统计学]