最高的是１０阶，不妨从这里开始

这个做得不好，自回归和移动平均项后面的P值很多都大大超过了0.05.要先看原始数据的相关图的自相关系数和偏自相关系数的截尾性，自相关系数的截尾性决定MA的阶数，而偏自相关系数的截尾性决定AR的阶数。重新设定模型再看，残差相关图可能会好看很多。

作ARMA估计时,首先应仔细审视你的数据,然后结合数据背后可能存在的理论,如股票的收益率日收益数据和月收益数据及季度年度数据其时间序列特征是不一样的,日收益率数据可能类似白噪声,没有一定规律性,而季度数据可能存在季度因素(四阶滞后等),年度数据可能具有均值逆转特征,当然,这仅仅是猜测而已,不同的股票,其这些特征也不相同,有了这些之后,再拟合你的数据,一般情形是先从简单的入手,如一阶自回归开始,如果一阶自回归不显著,则可能二阶和三阶也不显著,可直接看四阶自回归,如果自回归都不显著,则看MA,一般作一阶或者四阶则可,看你的结果,似乎是四阶MA,但由于模型中有太多的AR和MA项,所以不容易定论.