ARIMA（自回归积分滑动平均）模型是一种用于时间序列预测的经典统计方法。它结合了自回归（AR）、差分（I）和滑动平均（MA）三个部分，适用于非平稳时间序列的建模与预测。
| 模型组件 | 说明 |
| AR（自回归） | 使用过去的观测值来预测当前值，依赖于滞后项的线性组合。 |
| I（差分） | 通过差分操作使时间序列平稳，消除趋势或季节性。 |
| MA（滑动平均） | 利用过去误差项的线性组合来预测当前值。 |
ARIMA模型通过参数(p, d, q)描述：p为AR阶数，d为差分次数，q为MA阶数。在实际应用中，需通过ACF和PACF图确定参数，并进行模型检验与优化。
ARIMA模型简单有效，广泛应用于经济、金融等领域的预测任务。
