2020年,新冠疫情在全球范围内爆发,经济因此严重受挫。为恢复经济,以美国为代表的西方国家大量放出流动性。自2020年3月,美国公布了一系列经济刺激计划,极易引致全球通货膨胀。因此,为防止通货膨胀现象,对物价水平进行前瞻性预测具有重要意义。物价指数不仅是监测宏观经济的重要指标之一,更关系着城乡居民的日常生活,以及国民经济与社会的稳定健康发展。作为衡量通货膨胀的重要指标,居民消费价格指数（CPI）与工业生产者价格指数（PPI）近年来已经发生过多次背离,且PPI的波动幅度更大。在回顾了CPI与PPI历史趋势的前提下,本文从生产者角度出发,利用经济周期的方法分析PPI的周期性波动特征,以预测PPI的短期走势。这不仅可为经济政策制定者、机构及个人投资者等提供决策参考依据,而且为实现经济平稳增长发挥前瞻性的指导作用。本文的具体研究内容和实现过程包含以下几个方面:第一,从动态角度分析近年来我国CPI与PPI的走势情况及两者之间的关联性,并从周期角度阐述样本期内PPI的波动特征及其产生的主要原因。第二,使用先行指标方法预测PPI的未来短期走势。使用复杂网络图对宏观指标数据集可视化处理,从整体上分析各个指标间的影响关系;采用传统方法与Page Rank算法筛选先行指标,并由此构建PPI先行指数,比较不同筛选方法的优劣性。通过划分样本期和添加其他国家物价指数相关变量两种不同的方式评价所筛选出先行指标的稳定性。第三,使用先行指标和PPI历史数据进行长短期记忆网络建模分析,预测未来一定时期内PPI数值大小。本文通过实证分析结果可以看到相较于时差分析、K-L信息量方法,Page Rank算法在预测PPI时性能更好。其具体表现为:第一,在构建先行指数方面,时差分析、K-L信息量方法在样本前期具有良好的预测效果,但是在样本中后期,Page Rank算法预估值的准确性要明显优于传统方法;第二,从长短期记忆网络建模结果来看,即从预测PPI的拟合效果方面,在整个测试期间,使用Page Rank算法的模型预测结果能更好的贴合PPI数值,预测值波动幅度较小,而且更加稳定。相比之下,传统方法不及Page Rank算法。因此,可以认为Page Rank算法比传统方法更能科学准确的测算PPI的周期性波动,也能更好的预测其走势及数值大小。本文的创新点主要在于对PPI进行了周期性波动特征分析,实现了网页排序算法在经济领域筛选先行指标问题上的运用,并且使用长短期记忆网络建模方法预测PPI。