平稳过程的协方差函数为什么在t=0取最大值，即C(t)的绝对值为什么小于或等于C(0)？ 你这里的协方差函数指的是“自协方差函数”，因此它的最大值发生在t=0处。协方差函数来自相关函数，t=0时的自相关函数或自协方差函数值就是时间历程自己对自己的相关性的。
判定数据序列平稳与否的方法都有哪些？ 1、时间序列 取自某一个随机过程，如果此随机过程的随机特征不随时间变化，则我们称过程是平稳的；假如该随机过程的随机特征随时间变化，则称过程是非平稳的。2、宽平稳时间序列的定义：设时间序列，对于任意的，和，满足：则称 宽平稳。3、Box-Jenkins方法是一种理论较为完善的统计预测方法。他们的工作为实际工作者提供了对时间序列进行分析、预测，以及对ARMA模型识别、估计和诊断的系统方法。使ARMA模型的建立有了一套完整、正规、结构化的建模方法，并且具有统计上的完善性和牢固的理论基础。4、ARMA模型三种基本形式：自回归模型（AR：Auto-regressive），移动平均模型（MA：Moving-Average）和混合模型（ARMA：Auto-regressive Moving-Average）。（1）自回归模型AR(p)：如果时间序列 满足其中 是独立同分布的随机变量序列，且满足：则称时间序列 服从p阶自回归模型。或者记为。平稳条件：滞后算子多项式 的根均在单位圆外，即 的根大于1。（2）移动平均模型MA(q)：如果时间序列 满足则称时间序列 服从q阶移动平均模型。或者记为。平稳条件：任何条件下都平稳。（3）ARMA(p，q)模型：如果时间序列 满足则称时间序列 服从(p，q)阶自回归移动平均模型。或者记。
（三）时间序列分析的基本方法 1.模型的选择和建模基本步骤（1）建模基本步骤1）用观测、调查、取样，取得时间序列动态数据。2）作相关图，研究变化的趋势和周期，并能发现跳点和拐点。拐点则是指时间序列从上升趋势突然变为下降趋势的点，如果存在拐点，则在建模时必须用不同的模型去分段拟合该时间序列。3）辨识合适的随机模型，进行曲线拟合。（2）模型的选择当利用过去观测值的加权平均来预测未来的观测值时，赋予离得越近的观测值以更多的权，而“老”观测值的权数按指数速度递减，称为指数平滑（exponential smoothing），它能用于纯粹时间序列的情况。对于短的或简单的时间序列，可用趋势模型和季节模型加上误差来进行拟合。对于平稳时间序列，可用自回归（AR）模型、移动平均（MA）模型或其组合的自回归移动平均（ARMA）模型等来拟合。一个纯粹的AR模型意味着变量的一个观测值由其以前的p个观测值的线性组合加上随机误差项而成，就像自己对自己回归一样，所以称为自回归模型。MA模型意味着变量的一个观测值由目前的和先前的n个随机误差的线性的组合。当观测值多于50个时一般采用ARMA模型。对于非平稳时间序列，则要先将序列进行差分（Difference，即每一观测值减去其前一观测值或周期值。
