基于宏观大数据的CPI预测及方法比较

来源：管理科学学报杂志2025年第8期北京时间：

作者：郑挺国，范馨月，靳炜

单位：郑挺国,厦门大学宏观经济研究中心;厦门大学福建统计科学重点实验室;厦门大学经济学院,范馨月,上海财经大学经济学院,靳炜,鹏华基金管理有限公司,

摘要：大数据时代的到来为CPI的预测带来了前所未有机遇和挑战.充分利用高维数据信息，发展可解释的机器学习预测模型，对于理论发展和现实实践均具有重要意义.为此，本研究构建了包含9个类别239个变量的中国月度宏观经济数据库，并对比了包含传统时间序列模型、正则化回归、因子模型和集成算法等在内的13个模型在大型数据集下对CPI的预测能力.进一步地，基于控制变量的思想构建了机器学习衍生算法，对相关的结果进行解释和机制分析.结果表明，随机森林和XGBoost具有良好的预测效果，尤其是在中长期预测中表现出了较大优势.通过进一步的分析发现它们的优势在于非线性的模型设定和非稀疏的变量处理，前者使得模型中的变量关系更加符合实际，而后者能够充分地利用大数据信息.同时，这两个模型也筛选出了自回归项、价格、就业等在CPI预测中更加合理且重要的变量类别.

关键词：宏观大数据; CPI预测; 机器学习; 非线性; 衍生算法; 变量选择