建立时间序列的平稳性。如果您的系列是不是静止的，先后差异的系列达到平稳。样品自相关函数（ACF）和一个固定的一系列的部分自相关函数（PACF）指数衰减（或几个滞后后完全切断）。

确定一个（固定的）条件均值模型为您的数据。样品ACF和PACF功能，可以使用此选项帮助。对于自回归（AR）过程中，逐渐将样品ACF衰减，但样本PACF切断一些滞后之后。相反地​​，对于一个移动平均（MA）过程中，样品ACF切断几滞后之后，但在样品PACF逐渐衰减。如果同时ACF和PACF逐渐衰减，考虑一个ARMA模型。

指定模型，并估计模型参数。当在计量经济学工具箱拟合非平稳模型™，它是不需要手动差数据，适合固定的模式。相反，使用在原有规模的数据，并创建一个华宇与非季节性和季节性差分所需程度的模型对象。直接拟合的ARIMA模型是用于预测有利：预测是对原始规模返回（未求差）。

行为拟合优度配合检查，以确保模型充分描述您的数据。残差应该是不相关的，同方差，通常用恒定的均值和方差的分布。如果残差不是正态分布，你可以改变你的创新分配到学生Ť。

选择模型和检查的舒适性和预测能力后，您可以使用该模型来预测或产生Monte Carlo模拟在未来一段时间的地平线。