본 연구는 머신러닝 기법과 소비자물가지수를 구성하는 하위 품목군의 가격을 개별적으로 예측한 후 가중합산하는 상향식 접근 방식을 결합하여 우리나라 단기인플레이션 예측의 정확도를 제고하고자 하였다. 보루타-랜덤포레스트 알고리즘과 다양한 설명변수를 활용해 품목별 예측을 수행하고, 집계 수준별 예측 결과를 비교한 결과, 30개 품목군을 개별 예측하고 가중합산하는 방식이 가장 높은 예측력을 보였으며, 기존의 직접 예측방식이나 전문가 서베이보다 우수한 성과를 나타냈다. 본 방법론은 예측력 향상뿐 아니라 품목군 수준의 상세한 전망 정보를 제공함으로써 물가 대응 정책과 민간 부문에서 유용하게 활용될 수 있으며, 향후 다양한 거시경제 지표의 예측에도 효과적으로 확장될 수 있다.