孙 妮，潘 璠，肖娅晨，彭 放，周晓磊

（1.国家电网有限公司大数据中心，北京 100052；2.清华大学社会科学学院，北京 100084）

一、引言

无论政府经济政策的制定，还是企业经营策略的选择，都需要及时、准确的了解当前宏观经济形势。GDP 是刻画宏观经济形势的最核心经济指标，一直以来备受各经济主体的关注。尽管GDP 的预测是许多学者及机构研究的重点，但传统预测技术的不足以及常用经济统计数据的滞后限制了GDP 预测的时效性与精准度。伴随着人类社会步入大数据时代，基于大数据的宏观经济现时预测受到越来越多的重视。电力数据与经济活动密切相关是经济的“晴雨表”，本文将利用电力大数据实时、客观、颗粒度细等优势实现对GDP 更精准的现时预测，以为政府、企业的决策提供及时可靠的数据支撑。

二、文献综述

就现有文献来看，当前的宏观经济预测模型依据其是否可以直接应用不同频率的数据可分为同频数据预测模型和混频数据预测模型两类。同频数据预测模型的预测基于同频数据进行，高频数据应该转化为低频数据。当前Sims（1980）[1]提出的VAR模型是各国中央银行构建宏观经济预测模型的基础（张劲帆等，2018）[2]，国内许多宏观经济预测模型的构建也是基于VAR 进行，如中国人民银行的季度VAR模型及Logit-VAR 月度模型，周建和况明（2015）[3]建立的中型宏观系统季度同频贝叶斯模型。随着深度学习技术的发展，国内有学者利用深度学习预测GDP，如肖争艳等（2020）[4]、徐映梅和陈尧（2021）[5]利用LSTM模型就GDP 进行预测并取得较好的预测效果。……