基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

作者：陆文星; 任环宇; 梁昌勇; 李克卿

来源：工业工程, 2024, 27(01): 86-95+127.

DOI：10.3969/j.issn.1007-7375.220145

• 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)

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%。

• 单位
  合肥工业大学