基于多源异步混频CPI数据的预测方法研究

作者：张虎; 沈寒蕾; 夏伦

来源：数量经济技术经济研究, 2020, 37(10): 149-168.

DOI：10.13653/j.cnki.jqte.2020.10.009

• AMCNN模型
• CPI预测
• 网络搜索指数
• 线上CPI
• 异步混频数据

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MADLMIDAS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。

• 单位
  中南财经政法大学; 数学学院; 湖北经济学院