在现代金融市场不断迅猛发展的背景下,市场出现越来越多样化的金融产品,由于投资组合具有分散风险和稳定收益的优点,人们越来越关注投资组合整体的收益和风险。而现有时间序列模型很难刻画不同对象的不同属性随时间变化的关系。因此,本文提出构建矩阵型截面数据时间序列,以期刻画具有此结构的模型特征。本文首先给出矩阵型截面数据时间序列模型的定义、数字特征。并给出平稳矩阵型截面数据时间序列的定义以及其均值矩阵和协方差矩阵的估计。接着,本文提出矩阵型截面数据时间序列AR(p)模型,从其定义、与多维时间序列AR(p)模型的等价性条件、平稳性条件以及参数估计方法等方面进行研究。为了更好地刻画模型结构,本文将模型推广至矩阵型截面数据时间序列广义AR(p)模型。类似地,给出此模型与多维时间序列AR(p)的等价性关系和平稳性条件。在矩阵范数最小化的目标下,给出模型存在极小值解的命题,并利用相关矩阵理论给出矩阵型截面数据时间序列广义AR(p)的参数估计。最后本文通过实际数据用多维时间序列AR(p))模型和矩阵型截面数据时间序列AR(p)进行模型构建,可以发现,用矩阵型截面数据时间序列AR(p)模型使得模型整体的AIC值变小,进而能够更好地刻画对象和属性间的关系。