对重要宏观经济指标进行预测已经成为各级政府领导和经济管理工作者制定和实施宏观经济政策及进行科学管理的重要参考,在实际生活中已经显示出它在经济建设和持续发展中发挥的重要作用,并且制定和实施有效的宏观经济政策也成为政府部门和央行等机构工作的重要组成部分。但由于经济政策具有时滞性,当下制定的经济政策需要持续一段时间才能发挥作用,并且未来的经济环境可能会随着外部条件发生变化,因此实施宏观经济政策首先需要对宏观经济进行预测,能够对未来经济走势做出正确的判断,这才能够有效发挥出经济政策的作用。如果能够准确地对重要宏观经济变量进行预测,那么政府和央行就可以采取适当的宏观经济政策来达到政策实施的目的。为实现对重要宏观经济指标进行预测的目的,有效的时间序列预测模型则必不可少。在对重要宏观经济指标进行预测时,许多研究人员已经提出各种不同的预测方法,包括ARIMA模型、误差修正模型、向量自回归模型、机制转换模型、混频模型以及动态因子模型等。这些单一的时间序列预测模型在一定条件下可以产生良好的预测结果,但有时预测误差也较大,因此众多的单一时间序列预测模型都有其适用性,每一种预测方法在特定领域和环境下会发挥其独特的优势,若仅使用单一时间序列预测方法,不仅不能够充分挖掘数据本身包含的信息,有时也会导致预测结果不稳定,模型受到异常点或离群点的影响较大。组合预测方法可以解决单一时间序列方法预测结果不稳定和准确率低的问题,在气象预报、能源预测、地理信息系统构建和金融产品收益率预测等领域已经得到广泛应用。本文选择GDP增长率和CPI增长率等两个宏观经济指标作为建模对象,并对这两个宏观经济指标构建组合预测模型,数据集长度为1998年第1季度至2019年第4季度的季度数据。为建立宏观经济指标的组合预测模型,本文首先分别建立指数平滑模型、ARIMA模型、BP神经网络模型、Theta模型、STL模型和Tbats等六个单一时间序列模型,并对相应的时间序列模型进行模型检验和残差诊断。在建立完各个单一时间序列预测模型的基础上构建组合预测模型,与许多文献不同,本文并不是只建立包含最多组合方法的预测模型,并与六种单一预测方法相比较,而是将单一预测方法任意进行结合,一共包括两种至六种在内的57种不同组合预测方法。在对单一预测方法进行不同组合时,本文提出三种不同权重设定的组合预测方法,包括等权重法、反均方根误差法和交叉验证-反均方根误差等三种不同权重设定。等权重法是根据样本内的均方根误差对预测结果进行简单平均;反均方根误差法则基于均方根误差数值结果给不同单一预测模型施加不同的权重,权重大小与预测误差成反向趋势;交叉验证-反均方根误差法的基本思想是在反均方根误差结果的基础上结合时间序列方法的交叉验证,重新给不同单一预测模型赋予权重。为了有效的对三种不同权重方法进行评估以及观察组合方法相比单一方法的优势,本文绘制均方根误差、平均绝对误差以及平均百分比误差等不同误差图,这可以避免单一模型评价指标带来的偶然性,误差图横轴为模型误差值,纵轴为包括单一和组合预测方法在内的63种预测模型,横向可比较三种不同权重设定下组合预测方法的优劣,纵向可比较组合预测方法相比较单一预测方法的优势。最后本文得出重要结论:组合预测方法相比较单一预测方法而言,组合预测随着组合预测方法数目的增多会使得预测结果更加稳健,对六种单一预测方法进行组合的预测准确率会优于大多数预测方法,但是结果也发现并不是方法组合的数目越多,得到的组合预测准确率越高。在对三种不同权重设定下的组合预测模型进行横向比较时,交叉验证-反均方根误差法预测结果占优,反均方根误差的组合预测结果最差,因此将时间序列方法的交叉验证与反均方根误差相结合,能够显著改善组合预测模型的预测准确性,这也是本文重要的创新点所在。