袁 铭

（天津财经大学 统计系，天津，300222）

一、引 言

一直以来，居民消费价格指数的预测是经济学界、统计学界研究的热点问题。而近年来大数据技术为该问题的研究提供了新视角。一方面，大数据技术能够提供对经济活动更微观和近乎实时的测度能力，而传统的官方统计数据是宏观的（全国或各省）、低频的（年度、季度、月度），并且存在一定程度的滞后。另一方面，大数据技术能够提供许多新类型数据源。例如百度搜索引擎提供了针对关键词的搜索量数据，而淘宝等购物网站不仅提供了搜索量、成交量数据，还提供了商品成交价格区间和消费者地域信息。有鉴于此，本文尝试使用淘宝指数—淘宝网的关键词搜索量构造中国CPI的及时预测（nowcast）模型。与传统意义上的预测模型不同，nowcast技术利用高频数据（搜索量数据是日度的）领先于低频数据实现对低频数据的当期值而不是未来值的预测。例如，在每月最后一天可以计算出当月搜索量均值，进而可以通过模型计算出当月价格指数的估计值。由于官方统计数据要在下月10日给出，因此该估计值实际上是对当月价格指数的预测。笔者选择的数据集也非常具有研究价值。第一，截止到2013年12月，中国网络购物交易规模达到1．85万亿，虽然只占同期社会消费品零售总额的7．8%。但网络购物用户规模达到3．02亿，占总人口的近1／4，因此可以说网络购物是居民消费的重要方式。第二，典型的消费者购买过程可以分为两个阶段：研究和选择阶段以及决策购买阶段。……