基于AGNN舆情指数网络的价格指数预测研究

利用多个相关领域舆情之间的复杂关联性,处理特定领域新闻的不连续所导致的舆情缺失问题,使其能够用于分项价格指数预测。提出基于自学习图神经网络模型的舆情指数网络方法,将若干相互关联的具体领域的舆情指数作为网络节点,日度舆情量化值视为时间序列,通过学习其中隐性图结构特征和舆情数据时序特征,构建成动态舆情指数网络,实现对稀疏舆情值的填补。对食品价格指数和有色金属生产价格指数预测的实证研究表明,经过该方法补齐的舆情指数和相应价格统计指数相关性达到最高,且预测精度得到提升,验证了此方法的有效性。