ABSTRAKSeorang investor pada umumnya berharap untuk membeli suatu saham dengan harga yang rendah dan menjual saham tersebut dengan harga yang lebih tinggi untuk memperoleh imbal hasil yang tinggi. Namun, kapan waktu yang tepat melakukannya menjadi tantangan tersendiri bagi para investor. Oleh sebab itu, dibutuhkan suatu model yang mampu menduga imbal hasil saham dengan baik, salah satunya adalah model autoregressive moving average (ARMA). Tujuan dari penelitian ini adalah untuk menerapkan model autoregressive (AR), model moving average (MA), atau model autoregressive moving average (ARMA) pada data observasi untuk menduga imbal hasil saham bank central asia (BCA). Terdapat empat prosedur dalam membangun sebuah model AR, MA atau ARMA. Pertama, data yang digunakan harus weakly stationary. Kedua, orde dari model harus diidentifikasi untuk memperoleh model yang terbaik. Ketiga, parameter setiap model harus ditentukan. Keempat, kelayakan model harus diperiksa dengan melakukan analisis residual untuk memperoleh model yang terbaik. Pada akhirnya, model ARMA (1,1) adalah model terbaik dan akurat dalam menduga imbal hasil saham BCA. ABSTRACTGenerally, investor always wish to be able to buy a stock at a low price and sell it at a higher price to obtain high returns. However, when is the best time to buy or sell it is a challenge for investor. Therefore, proper models are needed to predict a stock return, one of them is autoregressive moving average (ARMA) model. The first purpose of this paper is to apply the autoregressive (AR), moving average (MA) or ARMA models to the observations to predict stock returns. There are four procedures which is used to build an AR, MA, or ARMA model. First, the observations must be weakly stationary. Second, the order of the models must be identified to obtain the best model. Third, the unknown parameters of the models are estimated by maximum likelihood. Fourth, through residual analysis, diagnostic checks are performed to determine the adequacy of the model. In this paper, stock returns of BCA are used as data observation. Finally, the ARMA (1,1) model is the best model and appropriate to predict the stock returns BCA in the future.