目前,经济预测各种方法中时间序列的分析方法非常流行。对时间序列本身特性的研究也日益增多,包括长记忆性、波动性即异方差性等。模型阶数的确定、参数的估计成为时间序列建模中首要的问题。随着计算机技术的发展,高维积分的数值计算得到实现,贝叶斯时间序列分析也得到极大发展。　　 本文先对时间序列长记忆性的定义、检验和长记忆参数的估计进行了归纳和总结,再对贝叶斯原理和MCMC方法进行全面介绍。　　 接着,引入现实时问序列数据,进行了实证分析,建立了经典的ARIMA(1,1,1)模型、长记忆的ARFIMA(1,1,0)模型。中间分别运用非参数方法和半参数方法对分数阶系数d进行了估计,并对数据的分数阶差分过程进行了推导和实现。　　 最后,通过对数据的差分和分数差分,将模型简化为AR模型和ARMA模型。对时间序列AR模型和ARMA模型进行了贝叶斯分析,从模型的数学函数和条件似然函数入手,做出了模型参数的后验分布的推导。并运用WinBUGS软件进行了仿真分析。