论文部分内容阅读
居民消费价格指数(CPI),是一个反映居民家庭一般所购买的消费品和服务的价格水平变动情况的宏观指标。CPI的变动预示着通货膨胀程度的变化,购买力的变动以及职工实际工资的变动。目前,CPI的数值依然是通过相关的统计调查来获取的,一般在次月上中旬发布。由于我国CPI发布的滞后性已经成为了制约宏观调控的重要因素,因此,准确地预测CPI具有重大的现实意义。 当前我国社会早已步入大数据时代。人们的身份、日常行为将由每时每刻产生的海量数据清晰地勾勒出。学术界所面临研究对象的数据类型也面临重大转变。数据类型由以前的“小p大n”变成“大p小n”。其中,由于近十年网络的全面普及,网络搜索数据在“新数据”中所占的比重不容忽视。相关的硬件、软件等系统的开发技术的提升,更是让网络搜索数据的收集变得不再困难。因此,本文尝试,从网络搜索数据的视角来展开对CPI的预测研究。 本文的实证研究基于网络搜索数据进行,分为两部分。首先以宏观层级、微观层级和金融层级为研究视角,选取与CPI相关的网络搜索词,获取其百度指数,运用PCA降维并合成宏观类综合指数、微观类综合指数和金融类综合指数。并以该三类综合指数为基础,建立CPI预测模型并拟合出CPI的预测值。然后,为了进一步地研究,在微观层面上,哪些商品或服务的网络搜索变动对CPI波动有显著影响,该部分基于2011年1月至2016年8月编制CPI的93类商品或服务的百度指数,采用基于Elastic-Net惩罚因子的分布滞后模型,构建了CPI实时预测模型。两部分的实证研究结果均显示模型估计效果较好,预测出的CPI与真实的CPI相吻合。