当下,智能手机已经成为我们日常生活中必不可少的通讯工具,而智能手机中的APP竞争也变得异常激烈。目前大部分的研究都是基于往期的APP下载量,利用一些统计学的方法去展现下载量的一些规律,并分析影响下载量的市场因素。而本文旨在进一步利用统计学中时间序列ARIMA模型、残差自回归模型、神经网络对APP下载量进行预测。本文搜集了某APP在手机应用市场从2017年1月1号至2018年3月7号的每日下载量。通过sas软件对全部的数据进行时间序列分析,建立了ARIMA模型并对未来五期进行预测,利用BIC准则选择出最佳的ARIMA模型,参数估计和残差的白噪声均通过了统计学检验,具有统计学意义。通过观察预测散点图,预测值与实际值比较接近,都在90%置信区间内,能够判定ARIMA模型拟合总体良好,但是该模型预测出的未来五期的平均误差为22%,误差相对比较大;再进行残差自回归模型,DW检验值为0.1288,表明残差具有明显自相关性,建立模型后,预测五期平均误差为7%;最后利用MATLAB软件进行神经网络模型的建模和预测,预测出未来五期的平均误差为5%。总体上,就我们采取的样本数据而言,残差自回归模型和神经网络模型的拟合效果都优于ARIMA模型。