二、理论简述
　　ARMA模型是一类常用的随机时序模型，它是一种精度较高的时间序列预测方法。其基本思想是：某些时间序列是依赖于时间t的一族随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律可以用相应的数学模型近似描述。
　　ARMA模型有三种基本类型：自回归模型、移动平均模型以及自回归移动平均模型。时间序列是随时间改变而随机地变化的序列。时间序列分析是利用序列的历史信息以及历史信息之间的相互作用，对序列的未来轨迹进行预测的一种数学方法。实现时间序列分析技术的关键在于如何挖掘历史信息之间的相互作用信息，提高预测的精确性。时间序列分析的目的是找出它的变化规律，即模型，常用的模型主要有3种：AR模型（Auto-Regressive Model，自回归模型）、MA模型（Moving Average Model，移动平均模型）和ARMA模型（Auto-Regressive Moving Average Model，自回归移动平均模型混合模型）。自从1970年Box和Jenkins提出自回归移动平均模型及一套完整的建模、估计、检验、预测和控制方法以来，ARMA模型在时间序列的预测应用中越来越广泛。
　　一般说来，p阶自回归模型记做AR（P），满足以下方程：
　　q阶移动平均模型记做MA（Q），满足一下方程：
　　而一般的ARMA（P，Q）模型可以表示为