基于多源异步混频CPI数据的预测方法研究

发布时间：2021-11-02 21:07

　　研究目标:基于线上消费者价格指数和网络搜索价格指数预测CPI。研究方法:在卷积神经网络（CNN）框架中融合MADL_MIDAS模型,建立异步混频卷积神经网络（AMCNN）模型,并通过选用2016年1月至2019年12月的数据验证该方法的有效性。研究发现:日度线上CPI及日度网络搜索指数属于CPI的领先指标,同时引入并保留原有数据特征有助于改进CPI预测精度,提高CPI"拐点"捕捉能力。研究创新:揭示了高频日度线上CPI和网络搜索数据对低频月度CPI的预测能力,提出了一种融合神经网络与传统计量模型的异步混频数据处理方法。研究价值:预测CPI波动水平和"拐点"时,可辅助利用线上CPI、网络搜索高频数据,结合AMCNN模型提高预测精度。AMCNN模型可用于处理异步混频数据、探究变量间复杂不确定性（线性、非线性）关系,具有很强的适应性和扩展性,可应用于其他经济、金融领域,应用价值较高。 

【文章来源】：数量经济技术经济研究. 2020,37(10)北大核心CSSCICSCD

【文章页数】：20 页

【文章目录】：
一、问题的提出
二、文献述评
三、CPI预测模型构建
    1.ISI数据获取、预处理及合成
        (1)搜索引擎选取。
        (2)初始关键词选取。
        (3)数据获取及预处理。
        (4)搜索指数合成。
    2.异步混频卷积神经网络模型(AMCNN)构建动机
    3.AMCNN模型构建
四、CPI预测实证分析
    1.数据来源与数据预处理
        (1)变量选择与数据获取。
            第一,国家统计局公布的CPI数据。
            第二,线上CPI。
            第三,其他辅助数据。
            第四,百度指数。
        (2)百度搜索指数合成。
    2.AMCNN模型的CPI预测结果分析
    3.AMCNN模型的CPI预测性能对比分析
    4.CPI子类别预测结果分析
    5.CPI“拐点”预测
五、结论与建议


【参考文献】：
期刊论文
[1]一种基于在线大数据的高频CPI指数的设计及应用[J]. 刘涛雄,汤珂,姜婷凤,仉力.  数量经济技术经济研究. 2019(09)
[2]利用网络搜索大数据实现对CPI的短期预报及拐点预测——基于混频抽样数据模型的实证研究[J]. 刘宽斌,张涛.  当代财经. 2018(11)
[3]线上线下价格指数的互动:替代还是整合?[J]. 唐礼智,刘玉.  南京社会科学. 2018(02)
[4]阿里网购价格指数与官方CPI的关系[J]. 方匡南,曾武雄.  统计与信息论坛. 2018(02)
[5]大数据背景下的CPI实时预测研究[J]. 董莉,彭凯越,唐晓彬.  调研世界. 2017(08)
[6]大数据时代官方价格指数与非官方价格指数的融合——基于aSPI与CPI、RPI比较的视角[J]. 韩胜娟,张敏.  价格理论与实践. 2017(04)
[7]基于互联网大数据的CPI舆情指数构建与应用——以百度指数为例[J]. 徐映梅,高一铭.  数量经济技术经济研究. 2017(01)
[8]基于网络搜索数据的雾霾经济与CPI相关性研究[J]. 董倩.  调研世界. 2016(12)
[9]大数据指数是否可以替代统计调查指数[J]. 米子川,姜天英.  统计研究. 2016(11)
[10]大数据背景下电商发展对CPI的影响——基于线上线下价格波动同步性分析[J]. 周薇薇,田涛.  商业研究. 2016(04)



本文编号：3472378