Задача прогнозирования инфляции является одной из ключевых для Центрального банка. Сегодня она, как никогда, нуждается в новых подходах к ее решению, предназначенных не только служить инструментом предсказания будущих значений инфляции, но и способных расширять знания о структуре исследуемого процесса. Традиционно в качестве инструмента прогнозирования инфляции Центробанком используются ARIMA-модели временных рядов. В данной работе впервые введено понятие ARIMA-профиля как набора общих характеристик, пригодных для решения конкретной задачи ARIMA-моделей. В работе представлено эмпирическое подтверждение существования такого ARIMA-профиля для задачи прогнозирования индекса потребительских цен в Томской области. Для этого была проведена серия экспериментов, в каждом из которых производилось ранжирование моделей по их прогностической силе. Затем с помощью тепловых карт и диаграммы плотностей вероятностей было показано, что все модели можно разделить на две группы — «подходящие» и «не подходящие» для решения задачи прогнозирования инфляции. ARIMA-профиль был представлен как набор правил, отделяющих первую группу моделей от второй. Такой набор правил был получен в результате решения задачи классификации моделей на «подходящие» и «не подходящие» методом деревьев решений. Основной шаблон моделей, подходящих для прогнозирования инфляции в Томской области, имеет схему ARIMA(,,)(2,,1)12. Так, общей чертой «лучших» моделей являются ненулевые сезонные параметры P и Q, а структура ряда такова, что текущее значение инфляции лучше всего описывается значением инфляции, которая наблюдалась год и два года назад, а также значением прошлогоднего шока.