自回归积分滑动平均模型（Autoregressive Integrated Moving Average Model，ARIMA）

自回归积分滑动平均模型（Autoregressive Integrated Moving Average Model，ARIMA）。是一种广泛应用于时间序列分析的统计模型。ARIMA模型结合了自回归（AR）、差分（I）和移动平均（MA）三种方法，能够对非平稳时间序列数据进行建模和预测。

一、组成部分

1. 自回归（AR）：模型考虑了时间序列过去值的信息，即当前值与之前值之间存在某种线性关系。
2. 差分（I）：对时间序列进行差分，以消除非平稳性。差分的阶数d决定了需要进行多少次差分操作，直到时间序列变得平稳。
3. 移动平均（MA）：模型考虑了时间序列的随机误差项，即当前值与过去误差项之间存在某种线性关系。

二、表示方法

ARIMA模型通常用三个参数（p, d, q）来表示，其中：

• p 是自回归项的阶数，表示当前值与多少个过去值有关。
• d 是差分的阶数，表示需要进行多少次差分操作。
• q 是移动平均项的阶数，表示当前值与多少个过去的误差项有关。

三、建模步骤

1. 确定阶数（p, d, q）：通过观察时间序列的自相关函数（ACF）和偏自