宏观3M 使用数学统计和机器学习模型来分析美国经济指标对市场的影响，找出规律并建立泛化模型。通过该模型，您可以输入特定的经济指标数据来预测下个月的市场表现。您可以使用模型的预测值来帮助您分析经济指标对市场的影响。从长远来看，市场总是围绕经济波动，并趋向同一方向。
经济指标:
经济指标是关于经济活动的统计数据。宏观3M 分析的数据集包含1967年至2023年的14个美国经济指标，其中4个与美国市场高度相关。这4个指标分别是“M2 Money Supply”、“Producer Price Index”、“Industrial Production Index”和“Nonfarm Payrolls”。这些指标有助于分析经济的整体表现。
算法和模型:
宏观3M 使用三个“深度学习算法”来构建三个泛化模型。这些模型的评估指标是最小化预测值和目标值之间的平均绝对误差 (MAE)。宏观3M 长期跟踪九个“机器学习模型”的 MAE 性能，最终结果表明“深度学习模型”优于传统的“机器学习模型”。
MLP 模型:
MLP 非常灵活，通常可以用来学习从输入到输出的映射。
多层感知器 (MLP) 是一种人工神经网络，可用于根据每个训练示例提供的输入特征对数据进行分类或预测结果。它也被称为深度神经网络的基本架构。
RNN 模型:
RNN 主要处理序列或时间序列数据的预测。
RNN 与其他神经网络的区别在于，它们考虑了时间和序列，并且具有时间维度。对于顺序数据，RNN 受到青睐，因为它们的模式允许网络发现对历史数据的依赖关系。
LSTM 模型:
LSTM 是一种特殊的 RNN，可以学习数据之间的长期依赖关系。
LSTM 本质上是 RNN 的改进版本。LSTM 添加了一种跨多个时间步传递信息的方法，以解释更长的数据序列。