基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测
陆文星1
任环宇2
梁昌勇1
李克卿2
1.合肥工业大学 管理学院,安徽 合肥 230009;合肥工业大学 过程优化与智能决策教育部重点实验室,安徽 合肥 2300092.合肥工业大学 管理学院,安徽 合肥 230009
摘要：制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高.针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型.时序数据经过小波变换,由整合移动平均自回归-广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果.为验证模型有效性,选取一定数据量的PMI指数进行实验.结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%.
关键词：采购经理人指数(PMI)小波分解整合移动平均自回归模型(ARIMA)广义的自回归条件异方差模型(GARCH)门控循环单元(GRU)
分类号：F403.7(工业经济理论)F124(中国经济)TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(72131006)
论文发表日期：2024-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 86-95,127 )
英文信息