3.1ARIMA模型

差分自回归移动平均模型（ Auto -regressiveIntegrated Moving Average Model ）简称 ARIMA 模型，是一种较高精度的时间序列预测分析模型，是 20世纪70年代美国统计学家 GEP-Box 和英国统计学家 GM-Jenkins 建立的一种随机时间序列模型。其中ARIMA(p,d,q)称为差分自回归移动平均模型，AR是自回归，p是自回归项；MA是移动平均，q是移动平均项数，d是时间序列成为平稳时所做的差分次数。

ARIMA建模流程:1.时间序列的平稳性检验;2.对非平稳序列进行差分处理使其变得平稳;3.根据模型的判别规则，建立相应的模型;4.参数估计，检验序列是否具有统计意义;5.假设检验，判断残差序列是否为白噪声序数列 ;6.利用已通过检验的模型进行预测