模型方法论与构建 - 研究构建了长期（SARIMAX）和短期（月度滚动重估）两个互补的CPI量化预测模型，分别侧重年度路径一致性与短期拐点响应[6] - 模型采用“食品-非食品”双轮驱动框架，通过格兰杰因果检验（p值<0.1）和经济学解释筛选外生变量[6][13][18][20] - 长期模型最优外生变量组合为：食品侧（春节变量、蔬菜价格指数滞后3期、猪肉价格滞后3期），非食品侧（春节变量、CRB商品指数滞后1期、制造业PMI滞后1期）[33][36] - 短期模型最优外生变量组合为：食品侧（春节变量、蔬菜价格指数滞后1期、猪肉价格滞后3期），非食品侧（春节变量、布伦特原油价格滞后1期、制造业PMI滞后1期）[68][70] 模型表现评估 - 长期预测模型在2023-2025年五轮滚动样本外测试中，RMSE均值从基准模型的0.3396降至0.2422，降幅约28.7%，方向胜率从65.0%提升至80.0%[6][37] - 短期预测模型在2023-2025年逐月滚动测试中，RMSE均值为0.2379，方向胜率达80.56%，略优于长期模型[6][73] 2026年CPI预测与宏观判断 - 模型预测2026年中国CPI累计涨幅约为2.7%，呈现“低位温和修复”特征，价格弹性有限，宏观经济更倾向于“弱复苏、低通胀”组合[3][52] - 2026年价格运行节奏为：3月因春节因素消退短暂回落后，内需缓慢修复带动价格中枢在下半年趋于平稳上行[3][52] - 尽管价格下行风险较2024-2025年明显缓和，但成本端输入性压力传导相对受限，政策层面或仍维持对稳增长与稳预期的必要支持[3][52][54] 风险提示 - 政策或监管环境突变可能改变价格形成机制，影响模型预测精度[4][77] - 宏观经济不及预期可能导致核心通胀中枢进一步走低，使“温和修复”路径面临下修风险[4][78] - 发生重大预期外宏观事件（如极端天气、地缘冲突）可能导致关键食品价格剧烈波动，影响短期预测精度[4][79]