基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测
2024-02-15分类号:F424;O212.1
【部门】合肥工业大学管理学院 合肥工业大学过程优化与智能决策教育部重点实验室
【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0.003 29、 0.004 162、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)
【基金】国家自然科学基金资助项目(72131006)
【所属期刊栏目】工业工程
文献传递