关于GDP和CPI的预测一直以来是经济学领域的重要研究课题,无论是在国内或是在国外,许多经济学领域的专家学者对此问题进行了大量研究与深刻讨论。GDP和CPI数据存在多种统计方法,统计年限也有所差异,其中GDP累计增长率数据不平稳,环比增长率数据平稳,这就导致对它们的预测要采取不同的步骤。本文累计增长率数据将采用1995年1月至2018年9月每月的月度的CPI时间序列数据与季度的GDP时间序列数据来展开预测,而环比增长率数据将采用201 1年1月至2018年9月每月的月度的CPI时间序列数据与季度的GDP时间序列数据来展开预测。同时本文对混频数据采用独特的处理方法,以Sims-Zha先验分布的贝叶斯向量自回归模型为基本模型,通过对预测结果的RMSE数值与国际中关于此问题的其他流行模型预测结果的RMSE值进行比较,根据实证可得:当GDP的原始数据不平稳需要进行一阶差分处理时,假设Sims-Zha先验分布的贝叶斯向量自回归模型没有截距项,预测效果比原模型更优,当GDP的原始数据平稳时,则Sims-Zha先验分布的贝叶斯向量自回归模型原模型预测效果更优,有无外生变量对模型预测效果的影响不明显,无外生变量累计同比增长率预测模型的预测效果最优;相比于国际上预测GDP和CPI的其他的主流模型而言,例如BCEI模型、GLP模型、随机游走模型等,Sims-Zha先验分布下的贝叶斯向量自回归模型在GDP上的短期预测效果更精准,在CPI的短期预测上预测效果差于GLP模型,但是优于其他模型;中国未来经济发展状况将是“L”型。