【摘要】选取我国２０１０年１月至２０１５年３月的月度相关数据，运用分布滞后模型对通货膨胀影响因素进行乘数效应分析，利用决策树算法对通货膨胀的影响指标进行筛选和优化，借助ＢＰ神经网络对通货膨胀风险等级进行预测。结果表明：动态乘数效应显著，且通货膨胀受流动性过剩、产出缺口、国房景气指数、人民币兑美元实际汇率滞后一期的动态乘数效应较大；所构建的决策树－ＢＰ神经网络模型比传统的ＡＲＩＭＡ模型分类准确率高、均方误差小且对短期通货膨胀风险等级的预测效果较为理想，有望为基于大数据的宏观经济实时预测系统提供新的构建思路。