时间序列模型：ARIMA模型

ARIMA模型是一种常用的时间序列预测模型，全称为自回归差分移动平均模型。它是将自回归模型(AR)、移动平均模型(MA)和差分法(I)结合起来的。ARIMA模型适用于非稳定时间序列的建模和预测。与ARMA模型不同，ARIMA模型可以处理非稳定时间序列，因为它在建模之前会对数据进行差分处理，使其变为稳定的时间序列。ARIMA模型的优点是模型简单，只需要内生变量而不需要借助其他外生变量。然而，ARIMA模型的缺点是要求时序数据是稳定的，或者通过差分化之后是稳定的，并且本质上只能捕捉线性关系，不能捕捉非线性关系。因此，在应用ARIMA模型时，需要根据具体情况选择合适的模型参数，如自回归阶数(p)、差分阶数(d)和移动平均阶数(q)。
#### 引用[.reference_title]
- *1* *2* *3* [时间序列 ：ARIMA模型-原理](https://blog.csdn.net/upluck/article/details/116969396)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]