已有核心通货膨胀预测方法的评述

（一）统计调查分析预测法存在一定滞后性

从上文我们可以看到，核心通货膨胀的预测方法主要有统计类的方法和基于模型类的方法，其中基于模型类的方法又可分为参数计量模型法和非参数的人工智能模型法。在这几类方法中，统计类的调查分析预测方法是发展得最早、最容易被理解、接受的通货膨胀方法。从预测的角度来说，该方法可以准确如实地反映市场上对通货膨胀的预测波动，但是该方法的局限性在于，预测的结果完全依赖于样本的选取以及样本数量的选择。例如，针对经济学家进行调查的Livingston预测法和针对家庭进行调查的Michigan预测法，这两种方法首先选取的对象群体是不一样的，对经济学家的调查更偏向于从专业角度对通货膨胀的趋势感知，对居民的调查更偏向于普通日常生活对通货膨胀的预期，两者对于通货膨胀的预测在一定程度上会存在偏差；此外，样本数量的大小，是否具有代表性，也会影响到通货膨胀的预测结果。统计调查分析预测法由于其获得预测数据的周期较长，不可避免地存在滞后性，该方法获得最后的预测数据，先要对调查对象进行调查，然后得到调查对象的回复结果，再对调查结果进行处理分析，得到最后的预测数据，整个流程持续的周期过长，会使得获得数据具有滞后性，从预测角度来说，在前瞻性方面有所欠缺。

（二）统计调查分析预测法用来预测核心通货膨胀会产生偏差

从核心通货膨胀的预测目的来说，预测核心通货膨胀为的是能够了解未来通货膨胀的潜在趋势，由于货币政策存在滞后性，了解了未来的通货膨胀潜在趋势后，可以提前提出相应的货币经济政策，制定合理的政策。核心通货膨胀反映的是市场上潜在的、长期的通货膨胀，与居民直观感受到的通货膨胀性质不一样，普通民众直观感受到的通货膨胀是与日常生活息息相关的包含了各类食品、能源项目的通货膨胀，而对居民进行调查得到的通货膨胀预期势必是一种对日常生活价格变化的主观总体感受，不能客观地反映市场上真实供需关系所决定的长期通货膨胀。如果采用统计调查分析预测法来预测核心通货膨胀，会包含部分日常波动大的商品和服务项目，含有一定的主观性，会对最终的核心通货膨胀预测结果产生偏差。因此核心通货膨胀的预测更适合用客观的方法来计算，而不是用主观的方法来调查了解。

（三）非参数人工智能法比参数计量模型预测精确度高

相比统计类的调查预测法，参数计量模型更能快捷、简单地得到预测结果，但是参数计量模型预先设置了模型形式，在拟合过程中估算出模型系数，然后根据得到的模型来预测未来数据，这样的预测方法容易产生误差，对于精度要求高的数据，如通货膨胀数据，度量通货膨胀的居民消费价格指数数值往往在100左右波动，数值大小的区分度不是很大，采用参数的计量模型很难准确到小数点一位之后，而对于通货膨胀数据而言，往往是小数点一位之后的变动才有现实意义。在实证过程中，已有相当多的学者证明了在很多领域，非参数的人工智能神经网络方法其准确性要高于参数计量模型。如在气象（王卫东等，2014）、农业（马晓丹等，2013）、机械（胡英杰等，2013）等方面，在通货膨胀领域也有学者证明了神经网络的优越预测性能，如薛永刚（2010），韩丽鹏等（2011）。因此在现有的统计类调查分析预测法、参数计量模型法和非参数人工智能模型法中，本书更倾向于使用非参数的人工智能法来预测通货膨胀。