随着经济高速发展的今天,经济数据越来越复杂,经济指标越来越宽广,一方面传统的通货膨胀预测模型很难处理含有成百上千变量的数据集,另一方面计量经济学家发现因子模型能够高效、简便地处理高维数据。通货膨胀已经不是由单一经济变量如失业率决定,而是影响因素更加复杂,研究通货膨胀对于政策的制定和实施效果都起着关键性的作用,因此本文选用了大量宏观经济数据对通货膨胀的预测进行研究分析。首先选用了经典因子模型对数据集选取公共因子,在用DI-AR模型进行预测。然后,为了提升预测精度,本文分别从两个方面对预测进行改进,一是在因子选取中采用了硬阈值方法筛选出变量集,在对变量集选取公共因子。二是在预测模型中引入了模型平均,把多个单一模型通过权重组合起来。模型平均方法以其稳健性好,遗失有用信息少等诸多优点而成为计量经学家关心的热门问题。模型平均的关键是如何选取权重,本文采用了最小化Mallows准则得到组合的权重。通过实证研究得出的结论包括:一、数据集中的各个宏观经济变量对我国通货膨胀的影响程度存在明显的差异。从实证分析中因子成分表可以看出,货币类和投资类对我国通货膨胀预测具有非常明显的影响。二、基于动态因子模型对我国通货膨胀的预测研究比单一变量模型好,因子模型是处理高维时间序列的重要工具,能够简单、高效地从成千上万的数据集中筛选出少数几个因子,即保留对我国通货膨胀的预测信息,又降低了数据维度,使得预测分析更为方便和精准。三、为了使得预测精度进一步提升,本文对基于经典因子模型对我国通货膨胀的预测研究在两个方面进行了改进。结合了目标预测因子和模型平均的动态因子模型对我国通货膨胀的预测精度明显比单一预测模型好。四、无论是基于经典因子模型对我国通货膨胀的预测研究,还是结合目标预测因子和模型平均的因子模型对我国通货膨胀的预测研究,发现在预测一年期的时候效果都不够理想。这可能是数据集中的宏观经济变量不够,数据时间长度太短造成的。