当前我国的经济发展正处于结构转型的关键时期,为了保持经济健康持续发展,政府部门和货币当局需要对各类经济指标实时监控从而对未来经济走势做出准确预测以及时采取相应的经济政策。对于整个宏观经济系统而言,相互关联的变量共同涵盖了预测指标的有效信息,根据经验预测效果通常与模型中引入的解释变量个数成正比。因而高维预测模型在预测领域的应用越来越受关注,本文将结合这一趋势,基于动态因子模型对我国经济指标通货膨胀（CPI）和货币供给（M2）进行预测研究。因子模型的核心是采取因子分析的方法,该与传统的统计预测模型相比具有以下两个特点:1、“降维”的思想,所谓高维是指预测变量数据集的维数较大,将众多的预测变量浓缩为少数具有代表性的“因子”,然后将因子作为数据建立预测模型,实现降维;2、应用的广泛性,因子模型的核心在于提取公因子,而因子的提取方法目前已形成一套有效的方法和准则,在确定因子之后只需代入一般预测模型进行估计,计算预测值。相较于其他模型在使用过程中受到的约束条件较少,因而目前因子模型在各个领域都得到广泛的应用。本文实证部分以我国67个宏观经济时间序列指标数据为样本建立动态因子模型（DFM）,通过主成分分析的方法提取3个估计因子,代入预测模型对我国通货膨胀增速CPI和货币供给M2同比增速进行样本内和样本外预测。为了分析动态因子模型的预测效果,引入了传统AR模型和VAR模型,对预测结果进行对比分析发现,对通货膨胀同比增速（CPI）,近似动态因子模型没有很明显的改进效果,三类模型的预测效果基本相当。对货币供给的同比增速（M2）,动态因子模型的预测效果要明显优于其他两个模型,相较于AR模型其改进幅度高达40%,并且对M2的整体波动趋势具有较好的拟合效果。总而言之该模型对有关经济指标的预测方法值得借鉴,同时对该模型研究和改进值得关注。当前有人将这一预测方法应用于资本市场,预测资产收益率的做法也十分令人期待。