居民消费价格指数（CPI）是度量一段时期内全国城乡居民家庭购买代表性消费商品与服务项目的价格水平变化趋势和程度的宏观经济指标,其数值的变动程度可以反映我国通货膨胀或紧缩的水平。鉴于国家统计局在每月中上旬左右才发布上月的CPI,导致宏观经济政策制定和实施存在时滞性,影响了经济政策效果。因此,分析CPI本身的变化规律并对其进行及时预测具有重要的现实意义。现有的CPI预测方法大多局限于传统模型的改进,采用的数据基于政府统计数据,这些数据存在覆盖范围有限,数量相对较少,发布时间滞后等缺点,严重影响CPI预测的准确性和时效性。同时,随着互联网对居民的深入普及,人们从信息的被动获取转变为信息的主动查询,搜索引擎网站技术水平的飞速提升使网络搜索转变为居民获取信息的主要方式。互联网实时记载了网民的查询和浏览记录,这些记录能够反映用户的兴趣和需求变化,折射用户未来交易行为的变化趋势。网络搜索数据能有效弥补传统预测方法在样本有限性、实时性等方面的缺陷。基于此背景,本文尝试应用网络搜索数据探究CPI短期走向问题。本文根据消费者行为理论和传导时滞理论,搭建居民网络搜索行为和商品价格变动之间关系的逻辑分析框架。首先,以CPI为研究对象,以经济学理论视角并结合文本挖掘技术确定初始关键词,通过长尾拓展法和需求图谱法对关键词进行拓展,运用时差相关分析法、单位根检验和LASSO算法进行关键词的筛选优化,根据选取的变量建立CPI短期趋势预测模型。其次,将样本数据分为训练集和测试集,训练集样本用于模型的建立,本文利用网络搜索数据构建了基于核偏最小二乘回归法的CPI预测模型,并将其拟合效果与逐步回归模型进行对比分析;以自回归模型为基准模型,将混频数据抽样回归模型应用于CPI的预测分析。最后,将测试集样本用于模型的预测,通过对比四种模型的预测精度,选取恰当的模型对CPI进行短期预测。本文的主要结论如下:第一,在构建的四种模型中多元混频回归模型的预测效果最好,能较大程度上提高CPI的样本内拟合精度以及样本外预测精度。第二,核偏最小二乘回归模型和混频回归模型基于网络搜索数据能够成功捕捉到测试集中的多数“拐点”。第三,相较于国家统计局官方数据的发布时间,利用网络搜索数据的预测方法可以在当月月末及时提供较为准确的CPI预测结果,能够提前大约两周左右时间获取CPI数据,为经济政策制定与经济决策提供及时信息。本文研究可能形成的创新主要表现在以下四个方面:第一,我国国家统计局通过多阶段层层加权各代表规格品的价格指数计算CPI,与现有编制方法不同,本文基于网络搜索数据预测CPI,丰富了CPI短期预测理论与方法,拓展统计指数的应用范围。第二,关键词选取方法的改进,从商品市场和货币市场角度分析物价波动的影响因素,结合文本挖掘技术多角度选取关键词,进一步丰富关键词选取方法。第三,将多元混频回归模型应用于CPI的预测,这一方法充分挖掘高频数据背后所蕴涵的规律,相较于传统回归模型预测精度显著提高。第四,网络搜索数据可以及时反映出经济环境的波动,混频回归模型凭借高频网络数据的信息高颗粒度优势具备更精准的“拐点”预测能力,带来一定的预报预警效果。