Запропоновано гібридний підхід до моделювання часових рядів, який одночасно враховує лінійні та нелінійні процеси. Використано моделі авторегресії (AR) та авторегресії з ковзним середнім (ARMA), для яких функції прогнозування побудовано на основі різницевих рівнянь. Особливу увагу приділено ідентифікації та обробці стохастичних трендів у процесах електронної торгівлі. Досліджено потенційні причини виникнення таких трендів, підкреслено важливість їх урахування у прогнозуванні та запропоновано застосування моделей авторегресійного інтегрованого ковзного середнього (ARIMA) і локального лінійного тренду (LLT). Для цих моделей подано функції прогнозування, що забезпечують оцінювання багатокрокових прогнозів, з використанням умовних математичних сподівань.