AR模型有偏自相关函数截尾性质； MA模型有相关函数截尾性质。 有些因果线性时间序列有与AR和MA类似的表现， 但是不能在低阶实现偏自相关函数截尾或者相关函数截尾。

ARMA模型结合了AR和MA模型， 在对数据拟合优度相近的情况下往往可以得到更简单的模型， 而且不要求偏自相关函数截尾也不要求相关函数截尾。

ARMA(1,1)模型为 \[ X_t = \phi_0 + \phi_1 X_{t-1} + \varepsilon_t + \theta_1 \varepsilon_{t-1} , \] 或 \[ X_t - \phi_1 X_{t-1} = \phi_0 + \varepsilon_t + \theta_1 \varepsilon_{t-1} , \] 其中\(|\phi_1|