在本文中，我们主要研究了平稳集值时间序列和区间值时间序列自回归模型．集值时间序列中的变量是取某个空间的子集为值而非经典的取单点为值的随机变量．区间值时间序列是一类特殊的集值时间序列，它的变量取值为R1的紧凸子集，即闭区间.集值时间序列模型的研究源于经济，金融，信息处理，决策等问题，是传统的时间序列分析及应用的拓广，有理论研究价值和实际应用的意义．　　 在本文中，我们首先介绍了集值时间序列和区间值时间序列的一些背景知识和国内外研究现状，指出了存在的问题．　　 第一，针对平稳集值时间序列目前还没有基础理论这一薄弱环节，我们首先定义了集值时间序列的平稳性，并且研究了平稳集值时间序列的性质.其次，给出了平稳集值时间序列的期望和自协方差函数的估计方法，并且证明了这些估计方法的一些统计学性质，尤其是证明了其期望的估计的无偏性，相合性与自协方差函数的估计的渐近无偏性，为这些估计方法的应用提供了理论依据.此外，我们还给出平稳区间值时间序列的一些例子，并通过模拟验证了对平稳集值时间序列的期望和自协方差函数的估计方法的有效性.　　 第二，我们研究了平稳区间值时间序列的预报问题．我们在dp距离下以误差最小为准则给出了寻找最优线性预报的方法，证明了最优线性预报的唯一性并给出了最优线性预报的性质．　　 第三，建立了区间值自回归模型(IAR模型)．首先，我们给出几种评价区间值时间序列预报效率的准则以及区间自回归模型的定义．之后，我们给出区间值自回归模型的参数估计方法，这种估计方法基于时间序列预报效率的准则的选择.最后通过模拟结果验证所提估计方法的有效性，并用该模型对上证综指进行了实证分析．