ARMA模型（英语：Autoregressive moving average model，全称：自回归滑动平均模型）。是研究时间序列的重要方法，由自回归模型（简称AR模型）与移动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。
自回归模型描述的是当前值与历史值之间的关系。
移动平均模型描述的是自回归部分的误差累计。
ARMA(,)模型中包含了个自回归项和个移动平均项，ARMA(,)模型可以表示为：
有时ARMA模型可以用滞后算子（Lag operator）)模型可以写成为：
其中)模型可以写成为：
其中θ 表示多项式
最后，ARMA(,)模型可以表示为：
或者
若,则ARMA过程退化为MA(q)过程若,则ARMA过程退化为AR(p)过程。
,则ARMA过程退化为MA(q)过程若
,则ARMA过程退化为AR(p)过程。