自相关性拖尾，偏自相关性截尾，该怎么判断ARIMA模型的p，q值

在ARIMA模型中，p表示自回归项数，q表示移动平均项数。要确定p和q的值，通常需要进行模型诊断和参数估计。

首先，可以通过观察自相关函数（ACF）和偏自相关函数（PACF）来初步确定p和q的范围。如果自相关函数在滞后k后迅速衰减至零，则AR模型的p值应该为k。如果偏自相关函数在滞后k后迅速衰减至零，则MA模型的q值应该为k。但是，实际情况往往比较复杂，需要综合考虑ACF和PACF的信息。

其次，可以使用模型拟合指标，如AIC（赤池信息准则）和BIC（贝叶斯信息准则），来选择最优的p和q值。这些指标考虑了模型的拟合能力和参数数量之间的权衡，可以帮助选择最简单和最精确的模型。

最后，进行模型诊断，观察模型的残差序列是否为白噪声。如果残差序列存在自相关性或偏自相关性，则需要重新调整模型的p和q值。

综上所述，确定ARIMA模型的p和q值需要综合考虑ACF和PACF、模型拟合指标和模型诊断等多个因素。