时间序列分析是经济学和统计学研究的一个热点。人们通过分析实际的时间数据序列进行建立数学模型,用来预测序列的未来的发展情况。Box和Jenkins提出了时间序列建模方法,其一般步骤包括模型识别、参数估计、模型适用性检验和预测。在利用此步骤对时间序列建模时,经过模型适用性检验后经常出现几个充分反映实际数据的模型,这时需要进行模型选择。传统的模型选择的准则有时很难对这些已反映实际序列的模型加以选择。本论文在传统的模型选择准则的基础上,提出对模拟时间序列的多方面特性进行综合评价的选择思路。利用序列的平均值、标准差、峰度、偏度及校正的可决系数^R2、信息量AIC、SIC、及残差的平方和一阶相关系数等统计参数作为评价准则,建立了逼近理想解的多准则评价方法,并对其中确定权重的问题,提出了基于相关系数的赋权法。文章最后以皖维高新的股票市盈率序列为例进行实证研究。