大数据背景下基于网络搜索数据商品零售价格指数预测研究

大数据时代背景下,基于网络海量搜索数据包含大量有价值信息。针对宏观经济指标商品零售价格指数的非线性变化特征,结合与RPI相关的网络搜索数据,采用支持向量回归SVR多种参数优化模型对商品零售价格指数进行预测研究。借助多个预测性能度量指标对比分析,最终确定结合网络搜索数据粒子优化算法的支持向量回归模型PSO-SVR&US为最优模型。研究结果表明:网络搜索数据有助于商品零售价格指数的预测研究,并且预测效果好坏与预测精度高低还依赖于最优模型的选取;同时,基于最优模型的商品零售价格指数月度预测值比官方数据公布领先半月左右,其预测结果可为及时监测商品零售价格指数变动和经济宏观调控提供有价值的参考。