在时间序列分析中,ARMA模型有着广泛应用,其参数估计问题的研究占据着重要地位.目前学者们已提出多种估计方法,但存在计算量大、收敛速度慢或精确度低等问题.因此,找到更简单的方法得到精确的估计,对后续研究工作会有很大帮助.针对以上问题,本文主要采用近似贝叶斯计算(ABC)方法和EM算法估计ARMA模型的参数,且用于分析和解决实际问题中.根据ARMA模型自相关函数的性质,对模型系数和白噪声分开研究:估计ARMA模型的系数时,以样本自相关函数作为统计量先估计模型的AR系数,再将ARMA模型转化为MA模型估计MA系数,通过数值模拟与极大似然估计比较,验证了ABC算法的精确性.估计ARMA模型的白噪声参数时,分别给出了白噪声服从正态分布和混合正态分布的ABC估计,且对服从混合正态分布的白噪声参数进行EM估计,数值模拟表明,白噪声为混合正态分布时EM算法比ABC算法更加精确.因此,对于白噪声为正态分布的ARMA模型,其参数估计采用ABC算法;对于白噪声为混合正态分布的ARMA模型,其参数估计更有效的方法是ABC-EM混合算法.本文的创新点是用ABC算法估计ARMA模型的参数时,将模型的样本自相关函数作为统计量,分别估计AR系数,MA系数和白噪声的参数,这种分层思想尤其在高阶情况下非常实用,通过减少参数简化计算步骤,大大降低了计算成本.对于白噪声为混合正态分布下的ARMA模型,提出的混合算法汲取了各方法的优点,打破了单一算法的局限性,不仅能降低计算的复杂度,还能提高估计的精确度.