离群点预测一直是经济预测研究中的一个难点问题。然而出现离群点,往往预示经济运行轨迹发生重大突变。因此,离群点预测又是经济预测研究的一个重要问题。常规的时间序列模型,无法对突变事件引起的离群点进行准确预报。因素模型,或引入因素的时间序列模型,又由于经济指标发布的滞后性,无法在突变事件发生时或发生前,对离群点进行有效预报。这可能使得经济活动产生巨大损失,或丧失重要机遇。近年来,使用互联网信息技术提高预测能力的研究快速发展。在考察、借鉴前人研究成果的基础上,结合我国经济发展的实际案例,探索在传统模型基础上,通过利用互联网信息技术来提高离群点预测的有效性。重点是突变引发的离群方向及离群值的准确预测。文章以我国工程机械市场需求研究为例。首先收集相关的历史数据,然后根据数据分析结果建立常规的时间序列模型。文章建立的模型为季节性差分自回归移动平均(SARIMA)模型。在此基础上,尝试将互联网搜索数据引入SARIMA模型。为此,文章基于经济学的市场需求理论,从生产者、消费者、政府三个经济主体出发,讨论并确定了互联网搜索的基础指标。然后,根据语义学对基础指标集进行扩充,并对扩充后的指标集进行数据采集。由于互联网搜索指标集较大,为简化模型和提高模型的实用性,本文讨论了对指标集进行降维的统计方法。然后利用主成分分析法进行降维,并将降维得到的主成分引入已建立的SARIMA模型。最后,将引入互联网搜索数据的模型预测结果与传统模型预测结果进行对比分析。结果显示,与传统模型相比,引入互联网搜索数据的模型,对于市场突变具有更好的预测效果,在方向性和精确性两个方面达到了研究目标,预测的误差率整体上也有显著下降。