基于双层Attention机制的LSTM模型对CPI的预测研究

作者：董曼茹; 唐晓彬^*

来源：中国管理科学, 2023, 1-14.

DOI：10.16381/j.cnki.issn1003-207x.2023.0885

• CPI
• 居民消费
• LSTM模型
• Attention机制
• 机器学习模型

国内外经济政治日趋复杂多变的背景下，及时准确地预测消费者价格指数（CPI），对于提振消费信心、落实扩大内需战略具有重要作用。针对CPI动态变化的多维性特征和发布的滞后性问题，结合自然语言处理技术构建CPI预测数据集，将双层Attention机制引入到LSTM神经网络结构，构建ATT-LSTM-ATT模型应用于CPI预测，同时引入多个机器学习模型（ATT-LSTM、LSTM、SVR、RF、XGBoost和LGBM）作对比和交叉验证分析。研究发现：（1）双层Attention机制能够动态关注特征和时序两个维度的关键信息，强化LSTM模型对房地产政策、双十一和节假日等的注意力分配，凸显重要特征和重要时点对CPI变动的影响，有效提升模型对CPI预测的精准度；（2）与其他六种机器学习预测模型相比，ATT-LSTM-ATT模型预测效果更优，对不同期限CPI预测发现该模型具有较强的稳定性，同时不同机器学习模型在CPI不同期限预测表现出异质性特征；（3）文本挖掘数据能够提前把握居民消费动态，综合文本挖掘构建数据集与ATT-LSTM-ATT模型预测出的CPI值比官方发布时间提前约3周。本文结合大数据和机器学习方法提出的双层Attention机制的LSTM模型，为CPI的预测预判提供新的研究思路，能够及时调整消费市场的不稳定现象，为宏观经济管理和调控提供参考价值。

• 单位
  对外经济贸易大学; 北京物资学院