居民消费价格指数(CPI)不仅与人们的日常生活联系紧密,还是宏观经济分析和国民经济核算的重要指标。正因为它具有重要的作用且我国月度CPI指数的发布存在一定的滞后性,因此对CPI的预测一直以来备受关注。随着我国互联网技术的发展,网民通过互联网搜索或查询有关信息的同时其行为信息也被记录下来汇总成网络搜索信息,这些人们行为信息拥有着巨大的研究价值。在当今,这些数据的获取也更加的方便与快捷。并且以往对CPI的预测研究模型多是基于同频数据的传统预测模型,而在各解释变量数据因不同频率进行降频时,存在难以保留较为完整的原始信息的缺点。在此背景下,本文根据日度网络搜索信息,采用时差相关系数法在选取的搜索关键词中筛选出具有领先性的关键词,运用动态因子模型提取CPI舆情因子并结合有关的金融变量即日度沪深指数作为高频解释变量,选用相应的月度CPI同比增长率作为低频被解释变量,分别建立舆情混频数据模型和金融舆情混频数据模型对CPI进行预测研究。将两个混频数据模型的预测结果与作为基准模型的传统时间序列模型进行对比分析,可得出以下结论:第一,根据时差相关分析法和动态因子模型提取的CPI网络舆情信息较好的反映了月度CPI同比指数的变动情况且具有一定的领先性。第二,相较于传统的时间序列模型,混频数据模型有效的利用了高频数据信息,且具有较好的预测效果并可以进行实时的预测。基于与CPI有关的日度网络舆情和日度沪深指数的混频数据模型对我国CPI预测具有一定的可行性和时效性。相比于官方数据的发布时间可领先十天左右。第三,我国CPI具有较强的价格“粘性”,且日度舆情对CPI影响具有正向作用。