Авторегрессионная (AR-) модель (англ. autoregressive model) — модель временных рядов, в которой значения временного ряда в данный момент линейно зависят от предыдущих значений этого же ряда. Авторегрессионный процесс порядка p (AR(p)-процесс) определяется следующим образом

${\displaystyle X_{t}=c+\sum _{i=1}^{p}a_{i}X_{t-i}+\varepsilon _{t},}$

где ${\displaystyle a_{1},\ldots ,a_{p}}$ — параметры модели (коэффициенты авторегрессии), ${\displaystyle c}$ — постоянная (часто для упрощения предполагается равной нулю), а ${\displaystyle \varepsilon _{t}}$ — белый шум.

Простейшим примером является авторегрессионный процесс первого порядка AR(1)-процесс:

${\displaystyle X_{t}=c+rX_{t-1}+\varepsilon _{t}}$

Для данного процесса коэффициент авторегрессии совпадает с коэффициентом автокорреляции первого порядка.

Другой простой процесс — процесс Юла — AR(2)-процесс:

${\displaystyle X_{t}=c+a_{1}X_{t-1}+a_{2}X_{t-2}+\varepsilon _{t}}$