传统经济周期转点识别方法无法识别临近时段的转点,实时性不足。文章在深入分析经济周期转点定义及其实时识别过程基础上,将转点识别转化为分类问题。进一步地,将BB算法的转点识别结果与月度宏观数据作为LVQ算法的训练样本,对2008年9月至2018年3月期间的每个月都进行了一次LVQ的模拟实时识别。结果显示,相比与BB算法,该方法可以大幅度缩短转点识别的延迟时间。与Logistic模型的实时识别结果相比,该方法的实时识别结果不但精度更好,而且具有更高的稳健性。