鲍克斯-詹金斯方法又称ARIMA方法，研究的是有关随机性时间序列变动趋势的预测。它认为：除去纯偶然因素引起的个别序列值以外，时间序列是依赖于时间t的一族随机变量，尽管单个序列值的出现具有不确定性，但整个序列的变化却呈现一定的规律性。鲍克斯-詹金斯方法(Box-Jeknins)是时间序列分析方法中较为常用的一种方法，该方法假设各变量之间是一种线性关系(或拟线性关系)。但在处理一些复杂曲线问题时，这种局限性使其在实际应用过程中很难准确地进行分析和预测。为了解决这个问题，在过去的十多年中，一些学者提出了适用于非线性时间序列的分析、预测方法。如H.Tong于1978年提出的门限自回归模型等，即首先辨识出各数据间的关系，然后再估计模型参数。鲍克斯-詹金斯方法(Box-Jenkins)由G·鲍克斯和G·詹金斯1976年在其著作中阐明。是分析时间序列的一种有效的方法。这种方法通常用于短期预测。它能够在事先对数据模式未知的情况下，找到适合考察数据的模型。