什麽是ARMA模型概述？

ARMA 模型（Auto-Regressive and Moving Average Model）是研究時間序列的重要方法，由自回歸模型（簡稱AR模型）與滑動平均模型（簡稱MA模型）為基礎“混合”構成。在市場研究中常用於長期追蹤資料的研究，如：Panel研究中，用於消費行為模式變遷研究；在零售研究中，用於具有季節變動特征的銷售量、市場規模的預測等。 [編輯] ARMA模型三種基本形式　1.自回歸模型（AR：Auto-regressive）；　如果時間序列yt滿足　其中εt是獨立同分布的隨機變量序列，且滿足：　E(εt) = 0　　　則稱時間序列為yt服從p階的自回歸模型。　自回歸模型的平穩條件：　滯後算子多項式的根均在單位圓外，即φ(B) = 0的根大於1。　2.移動平均模型（MA：Moving-Average）　如果時間序列yt滿足　則稱時間序列為yt服從p階移動平均模型；　移動平均模型平穩條件：任何條件下都平穩。　3.混合模型（ARMA：Auto-regressive Moving-Average） 如果時間序列yt滿足：　則稱時間序列為yt服從(p,q)階自回歸滑動平均混合模型。　　或者記為φ(B)yt = θ(B)εt