ARIMA模型(Autoregressive Integrated Moving Average model)

ARIMA模型（Autoregressive Integrated Moving Average model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动）。
$$ARIMA(p,d,q)\{\begin{array}{l}AR(p)-p阶自回归\\ MA(q)-q阶滑动平均\\ d为使之成为平稳序列所做的差分次数（阶数）\end{array}$$

模型可表示为：
$$\left(1-\sum _{i=1}^p{\varphi }_i{L}^i\right)(1-L{)}^d{X}_t=\left(1+\sum _{i=1}^p{\theta }_i{L}^i\right){\epsilon }_t$$

ARIMA 模型可以理解为：差分+平稳模型。非平稳模型的数据经过差分处理变成平稳数据，然后再用平稳模型处理。
$$\begin{array}{l}p阶差分：{\Delta }^p{x}_t={\Delta }^{p-1}{x}_t-{\Delta }^{p-1}{x}_{t-1}\\ k步差分：{\Delta }_k{x}_t=x_t-x_{t-k}\end{array}$$

差分的滞后算子L表示：
$$\begin{array}{l}p阶差分：{\Delta }^p{x}_t=(1-L{)}^p{x}_t={\sum }_{i=0}^p(-1{)}^i{C}_p^i{L}^i{x}_t={\sum }_{i=0}^p(-1{)}^i{C}_p^i{x}_{t-i}\\ k步差分：{\Delta }_k{x}_t=x_t-x_{t-k}=(1-L^k)x_t\end{array}$$

线性趋势→1 阶差分;
曲线趋势→低阶(2阶或3阶)差分、
固定周期→步长为周期长度的差分
但是对信息进行差分运算会造成信息的损失。