通胀水平是反映宏观经济形势重要的变量之一，如何对其进行有效预测是中国人民银行和学术界共同关注的重要问题。特别是在资源要素价格改革的背景下，一般物价水平变化会比平常更为激烈，加强预测并及时公布未来通货膨胀率信息，可以稳定公众通胀预期，为央行制定货币政策提供决策参考，还能为各类经济主体进行资产增值保值操作提供事实依据。基于此，本文旨在应用新近发展的混频数据抽样模型对中国CPI进行实时预报与短期预测。首先利用随机搜索变量选择方法对20多个预测变量进行筛选，建立简化的混频数据抽样模型，从而利用多种混频数据抽样模型进行CPI样本外的实时预报和短期预测，探讨国际大宗商品价格变化对总体CPI的影响。结论如下：第一，利用SSVS方法在包括多种大宗商品价格、汇率和股指在内的27个变量集合中筛选出7个变量子集，包括原油价格、汇率、股指、玉米价格、柴油价格、铁矿石价格和黄金价格，这些变量所对应的示性变量值也相对较高，是较好的CPI的预测变量。第二，无论是单变量还是多变量混频数据模型，相比于OLS和AR基准模型，在较短的基准期内都具有比较优势，除MIDAS（m，K，h）模型外，但当基准期较长时，会出现比较劣势，这表明利用混频数据模型进行短期实时预报具有优越性。第三，各变量对通胀率的解释能力和作用方式是有差别的。第四，大宗商品价格变量对改善我国CPI预测精度具有显著的作用。