可逆的MA()过程等价于无限阶的AR过程，因此它们的偏自相关函数会无限延伸，被指数衰减和（或）正弦波衰减所控制。总之都具有拖尾的特征。
自回归移动平均混合过程ARMA(p,q)，是由自回归过程和移动平均过程两部分组成，因此它们的偏自相关函数也是无限延伸的，其特征就像纯移动平均过程的偏自相关函数。
混合过程的偏自相关函数被复合的衰减指数和（或）衰减正弦波所控制。衰减特性主要由移动平均过程的阶数和具体参数决定。
移动平均线的含义及其在预测价变动中的作用
移动平均线只不过是不断将现在之前的数据不断拉平均。 因为有反映数据变动情况，常常有投资者心理承受之类的说法。 “分析家”常常说在什么什么的平均线上有支持位之类的话， 但一旦要跌或升，就没什么心理线的说法可言。
简单的说每条平均线都是一定时期内收盘价的平均数，比方5日，就是5天中每天收盘价的平均数。常用的10.20.30
60.120.250.都是这么算出来的，作用也很简单，价格在其之上回调
的时候就形成支撑，5日撑不住就10日，要么就20日，再就半年线120日，年线255日，总有一条能撑住
。相反的价格在均线之下向上涨均线就是压力，且总有一条能压住，如果所有的均线都不能有效支撑或压制住，那就形成翻转，从牛变熊，或者从熊变牛。
够简单明了吧，这要看不懂就没办法了。
移动平均线是由一些点连接而成的圆滑曲线，这些点是当天之前N天的收盘价的平均数，N可以自己设，炒股软件默认有5日线，10日线，20日线等，以5日线为例，10号的平均数是5.6.7.8.9的收盘价的算术平均数（忽略周末等停盘情况，假设天天开盘），11号的平均数是6.7.8.9.10的收盘价的算术平均数，这样的无数的点连接起来形成了5日线。
预测变动中的作用，一般没有作用，在相对较大的上涨或下跌行情中会走出特殊克辨认的排列（多条均线），可根据排列预测行情走势。支撑和压力也存在，市场中的投资者的买卖欲望收到均线的影响，形成的购买和卖出的行为会影响股票价格。假设市场中所有人都不看图，或者都不相信图，则支撑和压力作用不存在。但是这不可能。
ARMA模型在对金融数据,尤其像股票这样的具有时间序列特性的数据的研究分析方面,并没有多大的优势.这个模型只能大概地反映出基本情况,如果需要深入地研究金融数据的话,你可以用GARCH模型,这
个模型对于研究时间序列的金融数据来说,是一个非常强大的模型。
时间序列分析：时域、频域
期望，自协方差系数-宽平稳；分布函数-严平稳 AR
定阶 偏自相关系数-截尾，AIC
估计系数 ols, yule-walker, maxlikehood 检验 F x^2
格林函数就是系数的函数 MA
定价 自相关系数-截尾 估计系数 ，矩估计， 检验 ARMA 定阶
估系 矩估计，自回归逼近 检验
ARIMA
基于矩阵特征值分解的功率谱估计：包括特征向量估计和MUSIC估计，这两种估计方法均为非参数估计方法，特征向量估计主要适用于混有白噪声的正铉信号的功率谱估计；MUSIC估计方法更适合于普遍情况下正铉信号参数估计的方法，它是多信号分类法的简称。
1. Pmusic函数：
功能：利用Music方法进行功率谱估计。 格式：Pxx=Pmusic(x,P,NFFT) Pxx=Pmusic(x,[P,THRESH],NFFT) [Pxx,W]=Pmusic(x,P,NFFT) [Pxx,F]=Pmusic(x,P,NFFT,FS)
[Pxx,F]=Pmusic(x,P,NFFT,FS,NW,NOVERLAP) [Pxx,F,V,E]=Pmusic(……) Pmusic(x,P,NFFT,FS,NW,NOVERLAP) 说明：
Pxx=Pmusic(x,P,NFFT)，采用MUSIC法估计向量x的功率谱，若x为实信号，进行单边功率谱估计；若x为复信号，进行双边功率谱估计。参数P用来指定信号空间中特征向量的数目。NFFT为算法FFT的长度，若NFFT为奇数，则Pxx为(NFFT+1)/2维的列向量；若NFFT为
偶数，则Pxx为(NFFT/2+1)维的列向量；当x为复数时，Pxx的长度为NFFT。
Pxx=Pmusic(x,[P,THRESH],NFFT)，用所有大于参数THRESH与最小特征向量之积的特征向量作为主特征向量，则信号空间的最大维数为P。 [Pxx,W]=Pmusic(x,P,NFFT)，返回一个频率向量W，若x为实信号，则在区间[0，pi]上进行功率谱估计；若x为复信号，则在区间[0，2*pi]上进行功率谱估计。
[Pxx,F]=Pmusic(x,P,NFFT,FS)，可在F向量得到功率谱估计的频率点，Fs为指定的采样频率，若x为实信号，则在区间[0，Fs/2]上进行功率谱估计；若x为复信号，则在区间[0，Fs]上进行功率谱估计。 [Pxx,F]=Pmusic(x,P,NFFT,FS,NW,NOVERLAP),将x向量分成长度为NW的各段，每一段之间用NOVERLAP个部分重叠，然后以各段为列向量组成矩阵，最后进行功率谱估计，参数NW的默认值为2*P，参数NOVERLAP的默认值为NW-1.
[Pxx,F,V,E]=Pmusic(……)，返回特征向量V与E。
Pmusic(x,P,NFFT,FS,NW,NOVERLAP)，没有输出参数，直接给出功率谱曲线。 2．Peign
功能：利用Peign方法进行功率谱估计。 格式：Pxx=Peign(x,P,NFFT)