用深度神经网络模型预测行业营收

预测行业营收可以帮助我们了解整个行业的发展趋势和潜在的市场表现，为投资研究具有一定实际价值。

由于决定公司营收的因子比较复杂，且存在高度非线性关系，本文考虑使用深度神经网络模型进行公司营收预测。因为LSTM模型在处理时序数据、长序列、长期依赖关系以及变长输入等方面表现出色，本文选用了（LSTM）网络模型。

本文选择预测汽车制造业营业收入，所选用的因子有库存、宏观、供给、进出口和销量几大因子，所涉及时间范围为2000-01-01~2023-06-01. 因子详情如下：（共12个），研究框架参考的是萝卜投资DataYes!

1. 库存：汽车经销商库存系数:综合、规模以上工业企业:产成品存货:汽车制造业:期末值、全国:民用汽车拥有量:总计

2. 宏观：货币（M1、M2); 价格（CPI:交通和通信:当月同比、PPI:汽车制造业:当月同比）;人民生活（居民人均消费支出:交通通信:累计值、消费者指数:信心指数）

3. 供给：汽车产量:当月值

4. 进出口：专用汽车:进口数量:当月值

5. 销量：汽车销量:当月值

本次的具体代码由chatgpt实现，作者负责调试模型和因子

一、处理数据

#先导入需要的相关库

import pandas as pd
import numpy as np
from sklearn.model_select