通过构建因子混频数据抽样模型FA-MIDAS,深度挖掘49 个食品领域细分指标的周度数据,并对食品价格的月度数据进行预测.研究发现,FA-MIDAS模型对我国食品价格预测具有更强的适用性.与AR模型和指数平滑模型相比,FA-MIDAS模型不仅具有更高的预测精度,而且随着当月周度数据的持续更新,其预测效果会进一步改善.此外,FA-MIDAS模型具有更强的时效性,能够利用当月更新的周度数据进行实时预测,可在食品价格数据发布前获得更可靠的预测结果.包容性检验结果显示,AR模型并没有包含更多能够改善预测的额外有效信息,FA-MIDAS模型的预测比AR模型更有效.为进一步提高食品价格监测预测预警能力,应加强对现有数据的充分挖掘,结合不同模型各自优势做出更加稳健的预测,加快推进食品全产业链的信息化和智能化建设.
NETL
NSTL
万方数据
