张虎，沈寒蕾，夏伦：基于多源异步混频CPI数据的预测方法研究
【学术期刊】《数量经济技术经济研究》，2020年第10期。
【作者简介】张虎，beat365平台二级教授，博士生导师，国务院政府特殊津贴专家。主要研究领域有数理统计方法在经济中的应用、金融统计与金融计量、风险管理、证券投资分析等。在《中国科学》、《统计研究》、《数量经济技术经济研究》等杂志发表学术论文60余篇，并主持过多项国家社科基金面上项目、重点项目。荣获多项省部级以上科研奖励，以及省级教学成果奖励。多份研究专报和专家建言获得省部级领导批示和有关部门采纳。
【主要观点】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。
