人们在研究中发现有时时间序列的数据呈现出相距较远的观测值之间仍然具有相关性的特点，一般地将这种特点称为长记忆性．长记忆性经常出现在水文学、气候学、经济学等领域．利用长记忆性对时间序列建模也受到越来越多的统计学家的重视． 对长记忆模型的估计方法主要分为两类：参数方法与半参数方法．半参数方法不需要完整的方差协方差模型，只对分数差分参数d感兴趣；当模型完整地建立以后时，可以使用参数方法．参数方法比半参数方法的效率高，但是计算量庞大，并且受限于模型的错误识别；相对地，半参数方法的效率较低，计算量较小，对模型的错误识别具有稳健型． 本文对长记忆模型的三种参数估计与五种半参数估计方法予以介绍。主要讨论了EMLE，AMLE，二次近似极大似然三种参数估计方法以及APE、GPH、LPE、QMLE、小波OLS五种半参数估计方法，并对各个估计方法的优良性予以阐述． 最后，为了更清楚地阐述长记忆的参数估计方法与半参数方法及其优良性，我们以分数白噪声 ARFIM(0，d，0)为例，其中d∈(0，1/2)，将小波OLS估计与GPH估计作以比较，讨论两种估计量各自的优缺点．