1楼：
arima（p，d，q）称为差分自回归
移动平均模型，ar是自回归,p为自回归项，可以看自相关图来估计;ma为移动平均，q为移动平均项数，可以看偏相关图来估计，d为时间序列成为平稳时所做的差分次数。
近期在用r，里面有个函数auto.arima()可以自动生成一个最优拟合模型。可以试试。
当然不同的会有不同函数，看看教程总有解决方法的。
怎样用acf和pacf图 确立arima模型
2楼：
arima（p，d，q）称为差分自回归移动平均模型，ar是自回归,p为自回归项，可以看自相关图来估计;ma为移动平均，q为移动平均项数，可以看偏相关图来估计，d为时间序列成为平稳时所做的差分次数。
近期在用r，里面有个函数auto.arima()可以自动生成一个最优拟合模型。可以试试。
当然不同的会有不同函数，看看教程总有解决方法的。
怎样用acf和pacf图 确立arima模型
3楼：du知道君
一般自相关图若为q阶截尾则滑动系数为q.若偏自相关图为p阶截尾则自回归系数为p.当然这样判断存在一定主观性，还需结合aic bic值来判断
4楼：刑夏英从霜
arima（p，d，q）称为差分自回归移动平均模型，ar是自回归,p为自回归项，可以看自相关图来估计;ma为移动平均，q为移动平均项数，可以看偏相关图来估计，d为时间序列成为平稳时所做的差分次数。
近期在用r，里面有个函数auto.arima()可以自动生成一个最优拟合模型。可以试试。
当然不同的会有不同函数，看看教程总有解决方法的。