快讯| iCPI项目组在《计量经济学报》上发表论文《基于在线大数据的通货膨胀“现时”预测》

原创清华iCPI项目组大数据经济观察

论文基本信息：

姜婷凤, 汤珂, 刘涛雄*. 基于在线大数据的通货膨胀“现时”预测[J]. 计量经济学报, 2022, 2(3):597-619.

论文摘要：

新冠肺炎疫情冲击导致经济出现结构性变化，对通胀预测提出了新的挑战；而大数据时代的到来，则为提高通胀预测的时效性提供了新的机遇。本文据此围绕基于大数据的通胀“现时”预测 (Nowcasting) 进行探索, 提出一个基本的现时预测框架，其核心是引入新的大数据宏观实时变量或大数据预测方法。本文通过引入宏观实时变量——基于互联网在线大数据的居民消费价格指数 (iCPI)，包括总类和大类的iCPI日环比指数、周环比指数、旬同比指数和月同比指数，采用LASSO降维法和混频数据抽样模型 (MIDAS)，有效地提高了通胀预测的时效性和准确性。研究发现：不同频率的iCPI均有利于提高通胀预测准确性，其表现优于基准模型和大部分的同频传统指标，当其与传统指标相结合时，可进一步降低预测误差，目前尚不能完全舍弃传统变量和方法；在不同频率下 (日度除外)，iCPI八大类的预测效果优于iCPI总类；不同频率的大数据指标在通胀预测的准确性和时效性上各有优势，这与其背后反映的信息结构有关，其中高频旬同比iCPI表现尤为突出、其能较好地兼顾预测时效性和准确性。本研究为数字经济时代利用大数据提高通胀预测的准确性和时效性、创新宏观经济监测与预测体系提供了有益参考。

论文链接（点击左下角阅读原文可以直接查看）：

https://ejournals.sharedbook.cn/books/eccp/mobile/index.html

iCPI项目组简介：

清华大学iCPI项目组成立于2015年9月，成立至今近7年。iCPI具有高频实时发布、计算机算法自动运行和大数据价格来源等显著优势特征，具体指数实时发布于网站http://www.bdecon.com, 并于2017年6月在国际著名金融信息服务商Bloomberg上线、2019年8月在国内重要金融信息服务商Wind上线。

关于iCPI的设计，可参见论文：刘涛雄, 汤珂, 姜婷凤, 仉力. 一种基于在线大数据的高频CPI指数的设计及应用[J].数量经济技术经济研究, 2019,(9):81-101。