使用ARIMA模型的步骤有哪些？

使用 ARIMA 模型有以下几个步骤。

1） 检验序列平稳并对非平稳序列进行平稳化（差分处理），对序列或差分后的 序列通过观察时序图和 ADF 单元根检验来判断序列的平稳性。

2） 模型的识别和定阶。分别利用 ACF（自相关）和 PACF（偏自相关）图的拖 尾和结尾确定适当的自相关阶数 p 和移动平均阶数(q)；也可通过信息准则 定阶法，常用的有 AIC(Akaike Information Criterion)和 BIC(Bayesian Information Criterion) 。

3） 模型的参数检验。利用最小二乘法估计序列的回归系数，提高序列的预测精 度。

4） 模型的残差白噪声检验。有效模型的预测值序列与实际值序列之间的残差序 列须通过白噪声检验，即残差序列须是随机游走的，并且数据之间不存在自 相关性。若残差序列不是白噪声序列，则需要重新从第（2）步开始对模型 重新进行拟合。

5） 利用模型进行预测。可以利用通过参数检验和残差白噪声检验的 ARIM 模型 对序列进行短期预测。