通货膨胀是作为衡量一国经济发展稳定性的重要指标,通货膨胀预测的预见性有助于中央等政府部门制定出有效的货币政策以稳定物价,也有助于金融机构和投资者更好地做出投资决策。未来通货膨胀率的准确预测对货币政策的制定和实施起着关键性作用,即央行可根据通胀预测值对未来的经济形势做出合理的预测,减少货币政策延迟导致的效果偏差,使宏观调控更加准确到位和货币政策的实施更加高效。通货膨胀预测模型种类繁多,其中自回归和因子模型等为常用预测模型,但预测过程中异常值,噪声,随机扰动项会对预测精度产生一定影响,模型假设需综合考虑某些实际宏观经济条件。文中采用混合与稳健统计建模方法提高了模型预测效果,通过计算均方误差与平均绝对误差,对预测效果进行了分析与比较。本文对预测模型的优化可分为两大类:首先,将最小二乘回归、因子模型和Lasso回归分别与随机森林模型进行混合,从而研究变量选择和回归预测过程对模型预测效果的影响;其次,对随机森林、Lasso及因子模型三个预测效果较好的模型进行稳健性优化。三个模型的稳健性优化方式分别为:随机森林是在预测过程中使用稳健性损失函数;Lasso是使用分位数回归进行预测,得到高维分位数Lasso回归模型;稳健因子模型是使用主成分估计方法来估计潜在因子变量,而后通过潜在因子进行预测,得到主成分估计因子模型。最后,使用单一模型、混合模型和稳健模型,对全国和江西省通货膨胀进行实证分析。分析结果显示:对于单一预测模型来说,基准模型和多元统计分析模型各有优势,但是随机森林、Lasso和因子模型的预测效果较好;然而,稳健性预测模型的和混合模型对通货膨胀预测的准确性有十分显著的提升,其中主成分估计因子模型和高维分位数Lasso的预测效果最好。