《表1：通货膨胀率现时预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于大数据的宏观经济指标实时化高频化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注释：模型拟合结果系数下面括号中的数值是对应系数的t值。回归所用CPI及iCPI数据均为环比数据，经检验相关系列均为平稳时间系列。模型（1)—(4）均为依据AIC标准，利用ARMA(p，q）模型进行最优滞后项挑选后的结果。资料来源：作者根据回归结果整理。

估计模型（1）时得到是2阶滞后移动平均模型MA(2）。估计模型（2）时，发现解释变量只有当期的πtiCPI系数显著，滞后的πtiCPI、πtCPI项均被扔弃。且从R2、AIC、SC值均可以看出，模型（2）优于模型（1），说明当期iCPI信息的引入确实能帮助预测通货膨胀率（CPI）。对食品烟酒大类进行估计的模型（3）及模型（4）也得出了类似的结论。这些综合表明，实时、高频的宏观经济指标（iCPI）对于传统指标（CPI）的现时预测具有重要意义，它能有效提高预测准确性和时效性。