随着互联网对人们日常生活的渗透不断深入,人们在进行经济决策时往往会借助网络进行必要的信息检索,因此人们在互联网的搜索行为也就反过来暴露了其自身的经济活动的意向。基于这样的假设基础,对互联网搜索数据的充分挖掘可以使得研究者提前捕捉到相关消费领域里潜在消费者的购买意向,并以此来对该领域未来一段时间内由供求关系决定的价格水平进行一定程度的预测。谷歌最早于2004年推出了关键词搜索量数据查询服务,因此国外研究者早在2009年便开始了利用互联网搜索数据预测社会经济领域相关指标的研究。国内最大的搜索引擎百度,于2011年开始提供关键词搜索指数的数据服务,因此从2013年起国内学者也开始利用百度指数进行相关领域的预测研究,但总体而言不论是从研究数量还是研究成熟度上而言都有待提高。本文在梳理已有研究成果的基础上,以北京、上海、广州、深圳、南京、杭州6个城市为研究对象,探索了从关键词选择到复合指数合成再到模型构建及检验的一整套程序和方法,得到了6个城市二手房和新房网络搜索复合指数,并在此基础上利用1000次2折交叉验证法构建了基于网络搜索的二手房和新建商品房价格预测模型。研究结果显示,时差相关分析法筛选并用主成分分析法合成的网络搜索复合指数对房价指数具有较好的拟合和预测效果。但对基于网络搜索的房价预测模型与房价预测基本模型的预测效果进行比较后,笔者发现加入网络搜索指数后的预测模型对基本预测模型的改进作用有限,并对其原因进行了分析,对提升和挖掘网络搜索数据的预测能力提出了进一步完善的方向。