1、自回歸模型（英語：Autoregressive model，簡稱AR模型），是統計上一種處理時間序列的方法。
或者也可為
其中： c是常數項； 被假設為平均數等於0，標准差等於 的隨機誤差值； 被假設為對於任何的t都不變。
文字敘述為：X的當期值等於一個或數個落后期的線性組合，加常數項，加隨機誤差。
2、MA(Moving Average Model)移動平均模型
通過將一段時間序列中白噪聲序列進行加權和，可以得到移動平均方程。如下圖所示為q階移動平均過程，表示為MA(q)。theta表示移動回歸系數。ut表示不同時間點的白噪聲。
3、ARMA(Auto Regressive and Moving Average Model)自回歸移動平均模型
自回歸移動平均模型是與自回歸和移動平均模型兩部分組成。所以可以表示為ARMA(p, q)。p是自回歸階數，q是移動平均階數。
從式子中就可以看出，自回歸模型結合了兩個模型的特點，其中，AR可以解決當前數據與后期數據之間的關系，MA則可以解決隨機變動也就是噪聲的問題。
https://blog.csdn.net/frankiehello/article/details/80883147