技术特征：
1.一种宏观经济数据预测方法，其特征在于，所述方法包括：根据基准指标在全量宏观指标中通过筛选算法筛选出多个第一候选指标，根据多个所述第一候选指标建立基础因子池，所述筛选算法包括拐点匹配法、时序相关法、k-l信息量法和波动噪声比法；将所述基础因子池中的所述第一候选指标与所述基准指标分别利用单元回归进行筛选，筛选后得到第二候选指标并将所述第二候选指标进行处理得到合成指数；通过算法得到所述合成指数相对所述基准指标的领先期数，根据所述合成指数的领先期数对所述合成指数进行平移处理，并对平移处理后的所述合成指数进行正交化处理，得到因子数据；通过多元加权回归模型对所述因子数据进行处理，得到所述基准指标的预测值。2.根据权利要求1所述的方法，其特征在于，所述根据基准指标在全量宏观指标中通过筛选算法筛选出多个第一候选指标，根据多个所述第一候选指标建立基础因子池，所述筛选算法包括拐点匹配法、时序相关法、k-l信息量法和波动噪声比法，具体包括：将所述全量宏观指标中的指标分别通过所述拐点匹配法、时序相关法、k-l信息量法和波动噪声比法进行计算，得到所述全量宏观指标中的指标的参数，所述参数至少包括领先期数、相关系数；比较所述全量宏观指标中的指标的参数与预设的筛选条件，若满足，则得到所述第一候选指标。3.根据权利要求2所述的方法，其特征在于，所述拐点匹配法包括：获取所述基准指标和所述第一候选指标的原始时间序列数据并对所述原始时间序列数据进行平滑处理；检测所述平滑后的时间序列数据中的所述基准指标和所述第一候选指标的明显峰值点对应的拐点，分别判断所述拐点是否为局部极值；筛选所述局部极值，再对筛选过后的所述局部极值进行调整得到所述候选指标和所述基准指标的拐点；匹配筛选过后得到的所述候选指标的拐点与所述基准指标的拐点，得到所述领先期数。4.根据权利要求2所述的方法，其特征在于，所述时序相关法包括：计算领先滞后l期的所述第一候选指标与所述基准指标之间的相关系数，选择所述相关系数最大的阶数为所述领先期数；所述k-l信息量法包括：计算所述领先滞后l期的所述第一候选指标与所述基准指标件的k-l信息量，选择所述k-l信息量最小的阶数为所述领先期数。5.根据权利要求1所述的方法，其特征在于，所述将所述基础因子池中的所述第一候选指标与预设的基准指标分别利用单元回归进行筛选，筛选后得到第二候选指标并将所述第二候选指标进行处理得到合成指数，具体包括：将所述基准指标与所述基础因子池中的每一个所述第一候选指标分别进行单元回归，筛选得到多个回归系数p值最小的所述第一候选指标，并作为所述第二筛选指标；通过宏观指标树获取所述第二候选指标的父节点，将同一父节点的所述第二候选指标
通过合成指数法分别合成，得到所述合成指数。6.根据权利要求5所述的方法，其特征在于，所述筛选后得到第二候选指标并将所述第二候选指标进行处理得到合成指数，具体包括：计算所述第二候选指标标准化后的差分并对所述第二候选指标标准化后的差分进行求和，得到总差分；通过所述总差分计算所述合成指数。7.根据权利要求1所述的方法，其特征在于，对所述平移处理后的合成指数进行正交化处理的公式如下：处理的公式如下：f
n*k
为原因子矩阵，为正交化后因子矩阵，s
k*k
为过渡矩阵，u
k*k
与分别为重叠矩阵的特征向量矩阵和特征根对角阵。8.一种宏观经济数据预测装置，其特征在于，所述装置包括：筛选模块：用于根据基准指标在全量宏观指标中通过筛选算法筛选出多个第一候选指标，根据多个所述第一候选指标建立基础因子池，所述筛选算法包括拐点匹配法、时序相关法、k-l信息量法和波动噪声比法；处理模块：用于将所述基础因子池中的所述第一候选指标与所述基准指标分别利用单元回归进行筛选，筛选后得到第二候选指标并将所述第二候选指标进行处理得到合成指数；正交模块：用于通过算法得到所述合成指数相对所述基准指标的领先期数，根据所述合成指数的领先期数对所述合成指数进行平移处理，并对平移处理后的所述合成指数进行正交化处理，得到因子数据；预测模块：用于通过多元加权回归模型对所述因子数据进行处理，得到所述基准指标的预测值。9.一种宏观经济数据预测设备，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-7任一项所述的宏观经济数据预测方法中的各个步骤。10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的宏观经济数据预测方法中的各个步骤。
技术总结
本发明公开了一种宏观经济数据预测方法及装置、设备及存储介质，该方法包括：根据基准指标筛选出第一候选指标并建立基础因子池；将第一候选指标与基准指标利用单元回归进行筛选，得到第二候选指标并进行处理得到合成指数；根据合成指数相对基准指标的领先期数平移合成指数并做正交化处理得到因子数据；通过多元加权回归模型对因子数据进行处理，得到预测值。该方法通过算法筛选得到基础因子池，可以快速构建宏观分析框架，还可结合宏观经济研究者的研究经验对基础因子池进行调整，不影响后续的预测步骤，不仅可以指示未来经济数据的变动方向，还可给出未来经济数据的分布，避免宏观经济数据更新频率不同、更新时间不同带来的问题。问题。问题。
技术研发人员：林柏杨
受保护的技术使用者：深圳市思迪信息技术股份有限公司
技术研发日：2022.07.25
技术公布日：2022/9/30