基于多源异步混频CPI数据的预测方法研究

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。