通货膨胀作为最重要的经济变量之一，与国家发展、社会稳定以及人民生活福利水平密切相关。通货膨胀率的波动性或通货膨胀不确定性是与通货膨胀率的水平一样重要的变量。即使经济中的所有价格都具有充分的灵活性，它也会对厌恶风险的经济主体造成严重的福利损失影响。因此，能够尽可能准确地预测通货膨胀不确定性是至关重要的。
　　通货膨胀不确定性的预测通常取决于高频时间序列数据表现出的随时间变化的波动性聚类的典型事实，为了捕捉这些特征，文献中常用ARCH/GARCH类模型进行预测研究，由于该类模型条件方差的结构形式相对不灵活,因此忽略了条件方差的可能结构变化。为了解决这个问题，本文应用MS-GARCH模型拟合通货膨胀率的波动性在不同机制下具有不同波动结构的情况，对中国通货膨胀不确定性进行预测研究。具体工作如下：
　　首先，对中国通货膨胀不确定性进行实证分析。选取中国1990年1月-2019年12月月度CPI同比增长率为原始数据，建立AR(1)-GARCH-N、AR(1)-GARCH-t、MS-GARCH-N和MS-GARCH-t模型，采用最大似然(ML)作为参数估计方法，并给出通货膨胀不确定性向前12期的预测结果。模型评价部分，建立七种统计损失函数对四种竞争模型的预测性能进行测试，研究结果表明，对于1-3个月的短期预测，简单的AR(1)-GARCH-N模型的效果更好，对于4-12个月的中长期预测，MS-GARCH-t模型的预测性能较为卓越。
　　其次，应用Granger因果关系检验法检验二者之间关系，发现二者之间的因果关系与选择的滞后期数具有一定联系：在短期内二者互为Granger原因，在中长期内通货膨胀是通货膨胀不确定性的Granger原因。最后，应用向量自回归模型(VAR)，探究中国通货膨胀不确定性对通货膨胀及其自身的动态影响，研究结果表明，这种影响在短期内无论是对通货膨胀还是其自身都是显著的，但是会随着时间推移逐渐减弱直至消失。