从自相关系数看，时间序列的平稳性有待检验，从自相关系数来看，并不是逐渐的衰减，而是在第十一个以后又逐渐的开始变大，这是时间序列不平稳的表现，建议你先检验一下平稳性。

从理论上来看，自回归模型AR（p）过程中由以下两点来描述：①ACF（自相关系数）是无限的，并且为指数衰减函数和正弦衰减波动函数的组合；②大于p之时滞的PACF（偏相关系数）为零。即弱势PACF截尾，ACF拖尾则使用AR模型。而对于移动平均模型MA过程的ACF在时滞q以后中断，即过程的记忆长度为q个时段，相隔大于q个时段的观察值不呈相关性；而它的PACF是无限的。即若是AFC截尾，PACF拖尾则使用MA模型。若ACF与PACF均拖尾则选用ARMA。从你发来文档的内容来看，我首先主张你受用ARMA（1 1） 试一下看下拟合的效果如何， 如果不行最好使用MA模型试一下。

从理论上来看，自回归模型AR（p）过程中由以下两点来描述：①ACF（自相关系数）是无限的，并且为指数衰减函数和正弦衰减波动函数的组合；②大于p之时滞的PACF（偏相关系数）为零。即弱势PACF截尾，ACF拖尾则使用AR模型。而对于移动平均模型MA过程的ACF在时滞q以后中断，即过程的记忆长度为q个时段，相隔大于q个时段的观察值不呈相关性；而它的PACF是无限的。即若是AFC截尾，PACF拖尾则使用MA模型。若ACF与PACF均拖尾则选用ARMA。从你发来文档的内容来看，我首先主张你受用ARMA（1 1） 试一下看下拟合的效果如何， 如果不行最好使用MA模型试一下。

2# kandy63   请问二楼怎么看拖尾与截尾啊！谢谢了

先进行平稳性、单位根检验，然后一阶二阶滞后试试