> **来源：[研报客](https://pc.yanbaoke.cn)** # 中国CPI预测模型研究总结 ## 核心内容 本报告构建了一套可跟踪、可检验的CPI量化预测模型，旨在提升对CPI边际变化的把握精度。通过整合高频价格信号与宏观领先指标，实现对CPI趋势的长期与短期预测，为宏观经济环境判断提供量化参考。 ## 主要观点 - **预测模型选择**：采用SARIMAX模型，分别对食品与非食品CPI进行建模，并在模型中引入外生变量以捕捉中长期成本传导与短期价格波动。 - **长期预测模型**：使用季节性自回归移动平均模型（SARIMAX），关注参数的跨期稳定性与路径一致性。食品侧引入春节效应、蔬菜与猪肉价格滞后项，非食品侧纳入CRB大宗商品指数与制造业PMI，以反映成本变化与景气波动。 - **短期预测模型**：采用“月度滚动重估”框架，允许估计系数随样本窗口滚动而适应性漂移，以捕捉近期宏观扰动、节日错位及价格拐点的即时响应。 - **预测结果**：2026年CPI将呈现“低位温和修复”特征，全年累计涨幅约为2.7%。价格走势表现为春节后短暂回落，随后内需缓慢修复，下半年趋于平稳上行。宏观经济更可能处于“弱复苏、低通胀”状态。 - **模型效果**：长期预测模型在2023至2025年五轮滚动样本外测试中，RMSE均值由0.3396降至0.2422，方向胜率由65.0%提升至80.0%。短期模型表现略优，RMSE均值为0.2379，方向胜率达80.56%。 - **外生变量路径**：2026年外生变量整体呈“温和波动”特征，蔬菜指数上半年回落、下半年修复，猪价逐步回升，原油价格缓慢回落，PMI围绕荣枯线小幅波动。 ## 关键信息 ### 食品类外生变量 - **春节变量**：春节当月为1，其余为0，用于刻画节日效应。 - **蔬菜价格指数**：滞后1期或3期，用于捕捉季节性波动。 - **猪肉市场价格**：滞后3期，反映猪周期对CPI的影响。 - **可繁育母猪存栏量**：滞后6期，作为猪周期结构性领先指标。 - **美元汇率**：反映进口成本与输入型通胀影响。 - **制造业PMI**：反映工业品需求与价格动量。 ### 非食品类外生变量 - **布伦特原油价格**：反映能源成本对非食品价格的影响。 - **CRB商品指数**：综合反映全球大宗商品价格压力。 - **制造业PMI**：反映需求与景气变化。 - **春节变量**：用于控制节日对非食品价格的结构性扰动。 ### 模型评估方式 - **长期模型**：采用五轮滚动样本外测试，以RMSE均值衡量预测精度，以RMSE标准差评估稳定性，以方向胜率检验趋势识别能力。 - **短期模型**：逐月滚动重估，以单月步长样本外评估，强调对近期扰动与价格拐点的响应能力。 ## 模型表现 - **长期模型**：RMSE均值为0.2422，方向胜率为80.0%。 - **短期模型**：RMSE均值为0.2379，方向胜率为80.56%。 - **外生变量选择**：优先考虑与价格形成机制更贴近的变量，如春节、蔬菜、猪肉、CRB、PMI等。 ## 预测结果解读 - **CPI走势**：全年CPI环比累计涨幅约2.7%，价格中枢有所抬升，但整体物价弹性有限。 - **宏观经济状态**：弱复苏、低通胀，内需改善但不足以形成高通胀压力。 - **政策环境**：货币政策可能维持宽松，以支持经济增长与稳定预期。 - **成本传导**：输入型压力受限，国内成本传导机制相对稳健。 ## 风险提示 1. 政策或监管环境突变可能影响价格形成机制与传导路径。 2. 宏观经济不及预期可能导致核心通胀中枢进一步走低。 3. 重大预期外宏观事件（如极端天气、疫病扩散、地缘冲突升级）可能造成短期价格剧烈波动。 ## 优化方向 - **春节效应刻画**：可尝试引入连续型变量（如距离春节的天数）或更精细的日历权重。 - **CPI分项细化**：可进一步拆分非食品项下的交通通信、居住服务等子类，以及食品项内部的鲜菜、猪肉、粮食等核心分项。 - **外生变量拓展**：可引入期货市场价格信息，如生猪、玉米、豆粕等，以提升模型对结构性价格波动的识别能力。 ## 投资要点 - **投资策略**：在“弱复苏、低通胀”背景下，货币政策可能维持宽松，短期利率上行风险可控。 - **资产配置**：关注CPI温和修复趋势，合理配置大类资产以应对低通胀环境。 ## 模型结构 - **长期模型**：食品侧采用 $(2,1,0) \times (1,0,1,12)$，非食品侧采用 $(1,0,1) \times (1,1,1,12)$。 - **短期模型**：食品侧采用 $(2,0,1) \times (1,0,1,12)$，非食品侧采用 $(1,1,1) \times (1,0,1,12)$。 ## 数据说明 - **CPI数据**：全国CPI总指数环比、食品类环比与非食品类环比，均为月度数据，以月末为时间索引。 - **外生变量**：涵盖货币政策、实体经济、食品价格、外部输入四个方向，通过格兰杰因果检验与经济学解释筛选确定最终变量池。 ## 模型应用 - **长期模型**：适用于年度路径研判与情景推演。 - **短期模型**：适用于近月监测与校准，具有更强的转折识别能力。 ## 结论 本研究构建了基于SARIMAX模型的CPI预测体系，涵盖食品与非食品分项，结合外生变量与滚动重估机制，提升了对CPI走势的预测能力。模型显示2026年CPI将温和修复，但整体物价弹性有限，宏观经济仍处于弱复苏阶段。未来研究可进一步细化CPI分项与拓展外生变量池，以提升模型的精度与适用性。