如何根据自相关（ACF）图和偏自相关（PACF）图选择ARIMA模型的p、q值

这两天有朋友在之前👉这篇文章 👈的时候在下面评论询问如何通过自相关（ACF）和偏自相关（PACF）图找到p、q值？这里掌柜就详细阐述一下。

PS：假设你已经知道AR、MA、以及ARIMA模型是什么。
PPS: 假设这里也已经做了差分，时间序列已经平稳。
PPPS：如果不想看前面的解释，那么请直接跳到最后看确定方法。如果你觉得本文有理解错误的地方，请指出来，谢谢。

• 首先，ACF图和PACF图分别指的是什么？

  • ACF图：

    • 需要先了解一个概念：Autocorrelation Function (ACF)自相关函数，指任意时间 t（t=1,2,3…n)的 序列值X_t 与其自身的滞后（这里取滞后一阶，即lag=1）值X_t-1之间的线性关系。
    • 这里有个简单的示例，可以更形象的解释X_t与X_t-1的变化：
      

    那么ACF图就是指👉以