聚焦BondClaw固收投研系列五:基于时间序列基础模型的中国CPI预测。AI 时代,大语言模型的发展日新月异,数据拟合、数据预测等更加便捷,那么有没有更便捷、更高效的方式来进行中国宏观经济数据预测?为此,我们以中国 CPI 预测为例,来阐述我们在大模型预测中国宏观经济数据领域的尝试。时间序列基础模型是在海量跨领域序列上预训练的大型模型,学到普适的时序动态规律后,可对从未见过的新序列做零样本预测,无需为每个指标单独建模训练,其使用方式接近大语言模型:加载即用、把历史数据作为上下文输入。时间序列基础模型在宏观分析的作用基础模型把传统的“建模工程”压缩为更清晰的“数据工程”,其价值不在单一指标的精度突破,而在于同一套流程可低成本横向复制到PPI、进出口、工业增加值乃至海外指标,搭建覆盖一篮子经济数据的自动预测体系。
聚焦BondClaw固收投研系列五:基于时间序列基础模型的中国CPI预测。AI 时代,大语言模型的发展日新月异,数据拟合、数据预测等更加便捷,那么有没有更便捷、更高效的方式来进行中国宏观经济数据预测?为此,我们以中国 CPI 预测为例,来阐述我们在大模型预测中国宏观经济数据领域的尝试。时间序列基础模型是在海量跨领域序列上预训练的大型模型,学到普适的时序动态规律后,可对从未见过的新序列做零样本预测,无需为每个指标单独建模训练,其使用方式接近大语言模型:加载即用、把历史数据作为上下文输入。时间序列基础模型在宏观分析的作用基础模型把传统的“建模工程”压缩为更清晰的“数据工程”,其价值不在单一指标的精度突破,而在于同一套流程可低成本横向复制到PPI、进出口、工业增加值乃至海外指标,搭建覆盖一篮子经济数据的自动预测体系。
聚焦BondClaw固收投研系列五:基于时间序列基础模型的中国CPI预测。AI 时代,大语言模型的发展日新月异,数据拟合、数据预测等更加便捷,那么有没有更便捷、更高效的方式来进行中国宏观经济数据预测?为此,我们以中国 CPI 预测为例,来阐述我们在大模型预测中国宏观经济数据领域的尝试。时间序列基础模型是在海量跨领域序列上预训练的大型模型,学到普适的时序动态规律后,可对从未见过的新序列做零样本预测,无需为每个指标单独建模训练,其使用方式接近大语言模型:加载即用、把历史数据作为上下文输入。时间序列基础模型在宏观分析的作用基础模型把传统的“建模工程”压缩为更清晰的“数据工程”,其价值不在单一指标的精度突破,而在于同一套流程可低成本横向复制到PPI、进出口、工业增加值乃至海外指标,搭建覆盖一篮子经济数据的自动预测体系。核心数据:完整流程在 77 个月滚动回测中样本外 RMSE降至约 0.21,精度高于其他传统方法。
本报告由国投证券发布,发布于 2026 年。
覆盖 2026 年。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合投资人等读者参考。
重点分析了固收、经济等议题。