時間序列建模要從平穩性檢驗開始，經過平穩性檢驗(如果考慮多個序列，需要進行協整檢驗)，均值模型(arima等。)開始檢驗均值模型的殘差，如果發現arch效應，則對殘差建立Garch模型。
ARCH(自回歸條件異方差模型)的全稱是“自回歸條件異方差模型”，解決了傳統計量經濟學中時間序列變量第二假設(方差不變)帶來的問題。GARCH模型稱為廣義ARCH模型，是ARCH模型的擴展，由Bollerslev(1986)發展而來。
時間序列是壹組按時間排序的隨機變量，通常是以給定的采樣率等間隔觀察壹個潛在過程的結果。
時間序列數據本質上反映了壹個或某些隨機變量隨時間的變化趨勢，而時間序列預測方法的核心就是從數據中挖掘這種規律，並用它來估計未來的數據。
成分:長期趨勢、季節變化、周期變化、不規則變化。
1)長期趨勢(T)在壹個較長的時期內，由某些基本面因素引起的變化的總趨勢。
季節變化這種現象隨著壹年中季節的變化而有規律地、周期性地變化。
3)周期性變化(c)現象以若幹年為壹個周期的波動形態的規律性變化。
4)不規則變化(I)是壹種不規則變化，包括嚴格隨機變化和影響較大的不規則突然變化。