大数据时代的到来，给政府统计工作中居民消费价格指数（CPI）的编制带来前所未有的历史机遇和重要挑战，因此研究大数据背景下CPI的编制及应用已成为当务之急。在借鉴国际经验的基础上，本文首先介绍了介绍基于大数据挖掘技术，以CPI分类中的中类家用器具为例，构建基于网络数据的家用器具价格指数，并将基于网络数据的家用器具价格指数与传统家用器具CPI指数进行对比分析，同时介绍了其他基于网络数据的价格指数编制方法，并利用某电商企业平台苹果手机数据对各价格指数进行计算并进行对比分析。接着分析线上线下价格指数变动特征以及利用交叉谱分析方法研究两者之间的领先滞后关系。然后构建了融合线上价格指数（iCPI）和线下价格指数（传统CPI）的合成CPI，并根据传统统计计量预测方法（ARIMA和GARCH）与机器学习预测方法（LSTM和XGBoost）的预测性能选择最优模型对合成CPI进行预测。由于大数据背景下网络搜索数据的引入有助于提高CPI预测的时效性，最后根据CPI影响因素理论分析以及文献研究并结合搜索引擎相关词热度推荐功能选取CPI网络搜索初选关键词，由各关键词与CPI的时差相关系数确定最终关键词，利用动态因子模型估计出最终关键词共同动态因子，结合网格搜索法并根据均方误差（mse）最小原则确定最优预测模型，并利用SOCNN最优模型对CPI进行预测。

李倩，1986年生，博士，2016年博士毕业于中南财经政法大学，研究方向为经济统计。以第一作者身份发表核心论文5篇，现主持完成国家社科基金青年项目1项，参与完成省部级项目多项。

导论
一、研究背景及意义
二、国内外文献研究动态
三、研究思路与章节内容安排
四、本书的创新之处
第一章 基于网络数据的价格指数编制方法及实证分析
一、基于网络数据的价格指数编制面临的挑战
二、基于网络数据的家用器具价格数据采集及价格指数编制研究
三、单独基于网络数据的价格指数编制方法及实证分析
本章小结
第二章 基于谱分析的我国线上线下价格指数相关性研究
一、线上线下价格指数介绍
二、线上线下价格指数波动特征对比分析
三、线上线下价格指数相关性实证分析
本章小结
第三章 融入线上价格指数的CPI构建及预测研究
一、网络价格纳入传统CPI编制方法简介
二、融合线上线下价格指数的合成CPI构建
三、时间序列预测模型介绍
四、时间序列预测模型估计与对比分析
五、基于：XGBoost模型的合成CPI样本外预测
本章小结
第四章 利用网络搜索数据的中国CPI预测研究
一、SOCNN模型简介
二、CPI关键词选取及合成指数估计
三、基于SOCNN模型的CPI预测实证分析
本章小结
第五章 研究结论、政策建议与研究展望
一、研究结论
二、政策建议
三、研究展望
参考文献
附录