一部分（观察图形判断是否条件期望平稳）、、
　　data example;
　　input price1 price2;
　　time=intnx ('month','01jul2004'd, _n_-1);
　　format time date.;
　　cards;
　　
　　;
　　proc gplot data＝example;
　　plot price1*time=1 price2*time=2/overlay;
　　symbol1 c=black v=star i=join;
　　symbol2 c=red v=circle i=needle;
　　run;
　　
　　
　　
　　二部分（通过自相关系数，偏自相关系数，判断AR，MA，ARMA。大致判断阶数）、、
　　data example;
　　input freq@@;
　　year=intnx('month','01jul2004'd, _n_-1);
　　format year year4.;
　　cards;
　　34 45 54 453 90 24 85 474 488 843 43 573 546
　　;
　　proc arima data＝example;
　　identify var=freq nlag=7 ;
　　run;
　　另外用identify var=freq nlag=8 minic p=(0:5) q=(0:5);
　　即用minic语句用BIC准则选择最优模型阶数
　　确定为ARMA（0，4）即MA（4）
　　
　　三部分、
　　参数估计，同时包含了检验统计量BQ
　　Estimate q=4;
　　Run;
　　
　　例子
　　data example;
　　input x@@;
　　time=_n_;
　　cards;
　　
　　0.30 -0.45 0.36 0.00 0.17 0.45 2.15
　　4.42 3.48 2.99 1.74 2.40 0.11 0.96
　　
　　;
　　proc gplot data＝example;
　　plot x*time=1;
　　symbol1 c=red i=join v=star;
　　run;
　　proc arima data＝example;
　　identify var=x nlag=8 minic p=(0:5) q=(0:5) ;
　　run;
　　estimate p=2 q=1;/*可以用method=ml or uls cls ; 另外如果常数项不显著 用noint 除掉常数项*/
　　run;
　　
　　
　　
　　第四部分
　　序列预测
　　forecast lead=5 id=time out=results;/*lead 预测期数 id 为指定身份变量 out预测结果存入某数据集*/
　　run;
　　
　　第五部分
　　最后还可以绘制拟合、预测图
　　Proc gplot data＝results;
　　Plot x*time=1 forecast*time=2 l95*time=3 u95*time=3/overlay;/*说明l95,u95分别为95%的置信上限，下限*/
　　Symbol1 c=black i=none v=star;
　　Symbol2 c=red i=join v=none;
　　Symbo13 c=green i=join v=none l=32;
　　Run;