疫情之下居民消费价格指数预测--基于网络搜索数据.pdf

摘要

CPI是衡量通胀的宏观经济指标，其波动直接关系到居民的生活成本，由于

它的发布存在一定时滞，市场中萌发的物价不良走势，无法在CPI官方统计数据

上直接显现，政府有形之手往往不能及时抓住市场痛点，且疫情的时代的到来

使物价水平更具有波动性，每一波疫情的爆发均会对社会生产造成巨大冲击，

传统预测方式不再能轻易捕捉CPI走势。但另一方面，随着网络的普及，我国日

益庞大的网民规模和日趋频繁的上网次数衍生出海量数据，这些数据涉及范围

广、更新快、频次高，可以及时反映当下热点和供求关系。在上述背景下本文

开展了两项主要工作：一是探究利用网络搜索数据如何较好地预测CPI走势，二

是探究在CPI模型中引入疫情类数据能否有效提高预测精度。

为此本文分析了三大因素一一微观供求、宏观经济和疫情现状对物价的影

响机制。利用三大因素搭建关键词库，通过主成分分析进行了模型输入集的降

维工作，通过时间序列交叉分析，进行了滞后变量的定阶工作。接着使用逐步

回归法建立了本文的基准模型一一线性回归模型预测CPI并分析疫情类变量的解

释能力，使用机器学习模型提升CPI预测精度并分析疫情类变量对提升模型精度

的作用。

最终本文得出如下研究结果：市场上的供求波动、宏观经济政策的出台和

疫情现状作为一个桥梁，建立起了搜索指数和CPI的联系，利用网络搜索指数可

以有效预测CPI，一定上程度上弥补了CPI发布的时滞缺陷，有利于建立宏观经

济预警机制；疫情类搜索数据对CPI预测有显著的提升作用，这种作用在本文中

有两处体现，一是在线性模型最优预测变量选择中和随机森林的特征重要性评

分中，疫情类变量均表现出优秀的解释能力，二是在使用机器学习模型预测CPI

时，疫情变量的引入能有效提高预测精度，基于随机森林和支持向量回归的组

合模型有着较好的预测效果。

关键词：CPI预测；疫情时代；网络搜索数据；机器学习

ABSTRACT

CPIisamacroeconomicindicatortomeasureinflation．anditsfluctuationiS

toin

relatedtothecostofofresidents．Duethetimeits

directlylivinglagrelease，the

adversetrendinthemarketcannotbeontheofficial

priceemergingdirectlydisplayed

CPIstatistics．Thevisiblehandoftheoftencannotthemarket

governmentgrasppain

level

inthearrivaloftheeramakesthemorevolatile．

time，and

pointepidemicprice

Eachoutbreakofthewillhaveaonsocial

epidemichugeimpact

methodscannoCPItrends．Butontheother

forecastinglongereasilycapturehand，with

theofthescaleofInternetusersand

Internet，China’S

popularization