, є модель АРМА інструмент для розуміння і, можливо, прогнозування майбутніх значень у цій серії. Частина AR передбачає регресію змінної на її власні відсталі (тобто минулі) значення.
Використовується остання модель охарактеризувати «шокову» інформацію до ряду, як-от несподіване оголошення про прибутки або несподівана подія (наприклад, розлив нафти BP Deepwater Horizon). Таким чином, модель ARMA намагається врахувати обидва ці аспекти під час моделювання фінансових часових рядів.
У той час як моделі ARMA розглядають вихідні дані (назвемо це C) як головну роль, ARIMA використовує інший підхід. В ARIMA фокус зміщується на різницю між послідовними значеннями C. Це схоже на обчислення швидкості зміни C, а не просто самих значень C.
Структура моделі ARMA: модель ARMA визначається двома параметрами, p і qі записується як ARMA(p, q), де: p: порядок авторегресійної частини (AR) q: порядок ковзної середньої частини (MA)
Моделі ARMA можна розглядати як регресію поточного результату (yt) на минулі результати (yt−1,…,yt−p) із корельованими помилками.
Додатки. АРМА підходить коли система є функцією серії неспостережуваних шоків (МА або ковзної середньої частини), а також її власної поведінки. Наприклад, ціни на акції можуть бути шоковані фундаментальною інформацією, а також демонструвати технічні тенденції та ефекти повернення середнього значення через учасників ринку.