融合微博情感分析和深度学习的宏观经济预测方法

摘要 现代市场经济快速发展的同时也伴随着较高的风险，通过对地区投资情况提前预测，能够提前发现投资风险，为国家、企业的投资决策提供参考。针对宏观经济预测中统计数据滞后和内部关系复杂的问题，提出融合情感分析和深度学习的预测方法（SA-LSTM）。首先考虑微博的强时效性，确定了微博爬取和情感分析的方法，得到微博情感分析的分值，进而结合政府统计的结构化经济指标和长短期记忆神经网络，实现地区投资总额预测。经过实际数据计算验证，在四个数据集上，与不加入微博情感分析的LSTM网络相比，SA-LSTM能够降低预测相对误差4.95，0.92，1.21，0.66个百分点；与差分自回归移动平均模型（ARIMA）、线性回归（LR）、反向传播（BP）神经网络、长短期记忆（LSTM）网络四个方法中的最优方法相比能够降低相对误差0.06，0.92，0.94，0.66个百分点。另外，SA-LSTM在多个时间片上，预测相对误差的方差最小，表明所提方法具有很好的鲁棒性，对数据抖动有良好的适应性