В статье представлена общая типология моделей прогнозирования инфляции. Подробно рассмотрены однофакторные модели, включая модели случайного блуждания, прямой авторегрессии, рекурсивной авторегрессии, стохастической волатильности с ненаблюдаемой составляющей и интегрированные модели авторегрессии со скользящей средней. Помимо этого, обсуждаются возможности различных модификаций моделей на основе кривой Филлипса (включая «треугольную модель»), векторных авторегрессионных моделей (включая факторно-расширенную модель векторной авторегрессии Б. Бернанке), динамических моделей общего равновесия и нейронных сетей. Рассмотрены сравнительные преимущества указанных классов моделей, выявлен новый тренд в прогнозировании инфляции, состоящий во внедрении синтетических процедур учета частных прогнозов, полученных на основе разных типов моделей. Сделан важный вывод о превосходстве экспертных оценок по сравнению со всеми имеющимися моделями. Важным аспектом сравнения разных классов моделей является зависимость успешности их применения от таких факторов, как величина лагов для объясняющих регрессоров, величина горизонта планирования, тип экономики моделируемой страны и т. д. Авторами показано, что в условиях большого числа альтернативных способов моделирования инфляции выбор наиболее адекватного подхода в конкретных условиях (например, для российской экономики нынешнего периода времени) представляет собой нетривиальную процедуру. Опираясь на данный вывод, авторы обосновывают тезис, согласно которому большие прогностические возможности заложены в смешанных стратегиях использования разных методических подходов, когда на разных стадиях моделирования применяется разный модельный инструментарий, в частности многофакторная эконометрическая модель и искусственная нейронная сеть.