1、所謂ARIMA模型，是指將非平穩時間序列轉化為平穩時間序列，然後將因變量僅對它的滯後值以及隨機誤差項的現值和滯後值進行回歸所建立的模型。
2、ARIMA模型的全稱叫做自回歸移動平均模型，全稱是(ARIMA，AutoregressiveIntegratedMovingAverageModel)。也記作ARIMA(p，d，q)，是統計模型(statisticmodel)中最常見的壹種用來進行時間序列預測的模型。
3、AR，MA，ARMA都是運用於原始數據是平穩的時間序列。ARIMA運用於原始數據差分後是平穩的時間序列。時間序列不同AR(自回歸模型)，AR(p)，p階的自回歸模型。MA(移動平均模型)，MA(q)，q階的移動平均模型。
4、ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數據序列視為壹個隨機序列，用壹定的數學模型來近似描述這個序列。這個模型壹旦被識別後就可以從時間序列的過去值及現在值來預測未來值。
數據分析技術:時間序列分析的AR/MA/ARMA/ARIMA模型體系1、因為傳統時間序列分析技術（時間序列分解法）的缺陷，所以統計學家開發出更為通用的時間序列分析方法，其中AR/MA/ARMA/ARIMA在這個發展過程中扮演了非常重要的角色，直到現在，它們都在實際工作生活中發揮重要作用。
2、時間序列是指壹組在連續時間上測得的數據，其在數學上的定義是壹組向量x(t)，t=0，1，2，3，...，其中t表示數據所在的時間點，x(t)是壹組按時間順序(測得)排列的隨機變量。
3、ARIMA模型是針對非平穩時間序列建模。換句話說，非平穩時間序列要建立ARMA模型，首先需要經過差分轉化為平穩時間序列，然後建立ARMA模型。ARIMA模型的原理。正如前面介紹，ARIMA模型實際上是AR模型和MA模型的組合。
4、運用對象不同AR，MA，ARMA都是運用於原始數據是平穩的時間序列。ARIMA運用於原始數據差分後是平穩的時間序列。時間序列不同AR(自回歸模型)，AR(p)，p階的自回歸模型。
5、顯然，ARMA模型描述的是壹個時不變的線性系統。？具有AR階數p和MA階數Q的ARMA過程常記作用ARMA（p，q）。ARIMA模型，差分自回歸滑動平均模型（滑動也譯作移動），又稱求合自回歸滑動平均模型，時間序列預測分析方法之壹。
主成分回歸模型可以預測與時間序列的ARIMA預測模型也是用來預測的,他們...時間序列定義定義1：時間序列就是壹組統計數據，依其發生時間的先後順序排成的序列。定義2：同壹現象在不同時間上的相繼觀察值排列而成的序列稱為時間序列。
它通常用於預測時間序列數據的未來值，如股票價格、氣候變化等。時間序列預測通常使用統計學方法來建立時間序列的模型，如ARIMA(自回歸移動平均模型)和ETS(指數平滑模型)等。
arima模型全稱為差分自回歸移動平均模型：arima模型是由博克思和詹金斯於70年代初提出的壹著名時間序列預測方法，所以又稱為box-jenkins模型、博克思-詹金斯法。