基于百度搜索指数的居民消费价格指数预测研究

发布时间：2024-05-20 01:42

　　随着移动互联网等技术的快速发展,互联网大数据逐渐成为企业和社会关注的新型战略资源。目前,互联网大数据的方法和技术进行宏观经济预测正受到学者和宏观经济决策者越来越多的关注。海量的互联网搜索数据不仅代表网民和消费者的关注热点和关注程度,还可以映射社会经济的发展状况、揭示市场主体行为趋势。因此,互联网搜索数据可以为宏观经济问题提供必要的数据基础。居民消费价格指数(CPI)是用来测量一定时期内居民支付的消费商品和服务价格水平变化程度的宏观经济指标,它不仅与人民群众的生活密切相关,还在整个国民经济价格体系中具有重要的地位。因此,CPI的预测研究有着十分重要的意义。目前,CPI的预测研究集中于建立不同的预测模型,主要有回归模型、时间序列模型、机器学习模型以及组合预测模型。CPI预测模型所使用到的数据大多是其自身历史数据以及政府统计数据,而使用互联网搜索数据的方法进行CPI的预测研究是较少的。所以,本文引入了百度搜索指数对CPI进行预测研究。本文首先介绍CPI与百度搜索指数的相关概念,根据均衡价格理论和消费者行为理论,分析互联网搜索数据与居民消费价格指数二者之间的关系。其次,结合新闻文本、长尾关键词...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究综述
        1.2.1 CPI预测的相关研究
        1.2.2 百度搜索指数的相关研究
        1.2.3 百度搜索指数与CPI的相关研究
        1.2.4 相关研究总结
    1.3 研究内容、方法与结构安排
        1.3.1 研究内容
        1.3.2 研究方法
        1.3.3 结构安排
    1.4 研究创新
2 相关概念与理论基础
    2.1 居民消费价格指数概述
        2.1.1 CPI的定义
        2.1.2 CPI的编制及目的
    2.2 百度指数概述
        2.2.1 百度指数与网络关注度
        2.2.2 百度指数的特色功能
    2.3 互联网搜索数据与居民消费价格指数的关联机理
        2.3.1 价格的影响因素分析
        2.3.2 互联网搜索数据与CPI的内在机制
    2.4 本章小结
3 百度指数关键词的选取与处理
    3.1 数据来源与关键词选取
        3.1.1 数据来源
        3.1.2 搜索关键词选取
    3.2 数据预处理
    3.3 搜索关键词与CPI关联性分析
    3.4 搜索关键词的筛选
        3.4.1 斯皮尔曼相关分析
        3.4.2 时差相关分析
    3.5 本章小结
4 居民消费价格指数预测模型的建立与应用
    4.1 数据说明
    4.2 模型预测性能评价指标
    4.3 实证分析
        4.3.1 回归模型预测分析
        4.3.2 BP神经网络模型预测分析
        4.3.3 支持向量回归模型预测分析
        4.3.4 组合模型预测分析
    4.4 不同模型预测效果对比分析
    4.5 组合预测模型的应用
    4.6 本章小结
5 结论与展望
    5.1 研究结论
    5.2 研究不足与展望
参考文献
攻读学位期间发表的论文及科研情况
致谢



本文编号：3978767