消费者信心指数是反映一国(或地区)的消费者对目前的社会经济状况满意程度以及经济未来发展预期的综合指数，是监测宏观经济环境变化、预测消费趋向不可缺少的依据。消费者信心指数的值是通过对居民进行问卷调查搜集居民看法，经过一定的统计方法计算而得，但也因此存在着成本高、时效性低等问题。在当前网络高度普及的背景下，纷繁复杂的互联网数据蕴含着消费者信心的各种信息，如何从这些数据中提取出有价值的信息并以此反映消费者情绪，已成为当前研究的热点。
　　国内外关于消费者信心指数的研究已有很多，在编制方面已由问卷调查的方法扩展到基于互联网大数据，预测上由线性回归、GM动态模型转向BP神经网络等机器学习的方法。本文基于记录网络数据的百度指数，以中国的消费者信心指数为研究对象，选取、优化关键词并采用主成分法合成网络先行指数，验证了先行指数的有效性，建立动态分布滞后、BP神经网络、支持向量回归(SVR)模型来预测中国的消费者信心指数。实证结果证明，基于百度搜索数据合成的先行指数与中国的消费者信心指数高度相关且能有效的预测消费者信心的转折点，在一定程度上可以作为补充和近似并对其进行预测。基于随机森林选择变量的结果优于lasso，BP神经网络模型、支持向量回归的拟合效果和预测效果均要优于传统的计量经济学模型，但支持向量回归更加稳定，拟合预测更好，优于广泛应用的BP神经网络。基于本文方法，可以使用搜索数据合成网络先行指数并在国家发布前至少一个月预测出中国的消费者信心指数。