深度学习神经网络能改进GDP的预测能力吗?

摘要：

目前国内外复杂的经济形势加大了预测GDP的难度,因此,如何有效地预测GDP是值得研究的重要理论与现实问题.有鉴于此,本文构建了既具有宏观经济理论基础又符合中国宏观经济特征的指标体系,并构造了一个用于GDP预测分析的LSTM模型,将之与BVAR模型进行对比研究,以科学地判断LSTM模型是否能够提升GDP预测的精确度.研究结果表明:第一,本文选择的扩展指标能够提升BVAR模型与LSTM模型的GDP预测能力;第二,相比于BVAR模型,LSTM模型能够更好地挖掘扩展指标对GDP的非线性影响,从而提升短期GDP预测能力.鉴于LSTM模型强大的自我学习能力、良好的泛化能力以及较好的模型可调节性,LSTM模型在GDP预测领域具有广阔前景.

关键词：神经网络、LSTM模型、BVAR模型、GDP预测

所属期刊栏目：41

分类号：F222.33(经济计算、经济数学方法)

资助基金：教育部人文社会科学重点研究基地重大项目"'十三五'时期中国宏观调控体系的改革与转型问题";国家自然科学基金应急管理项目"国内经济政策环境与金融风险防范"

在线出版日期：2020-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：3-17