Python时间序列--ARIMA模型参数选择（五）

自回归模型(AR)
自回归模型的限制

移动平均模型（MA）

ARIMA(p，d，q)模型全称为差分自回归移动平均模型
(Autoregressive Integrated Moving Average Model,简记ARIMA)

AR是自回归， p为自回归项； MA为移动平均
q为移动平均项数，d为时间序列成为平稳时所做的差分次数

原理：将非平稳时间序列转化为平稳时间序列然后将因变量
仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型

ARIMA(p，d，q)阶数确定：
截尾：落在置信区间内（95%的点都符合该规则）

p、q的选择必须同时满足表格中自相关函数(ACF)和偏自相关系数(PACF)
q看ACF ; p看PACF
如上图分别为ACF、PACF图，在ACF图里可以确定q应该取7，因为要同时满足ACF趋近于0；在PACF图里乐意确定p应该取1，虽然ACF里在1阶后有些值稍大，但可以把他们当作异常值处理。