ARIMA模型（英语：Autoregressive Integrated Moving Average model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），时间序列预测分析方法之一。ARIMA（p，d，q）中，AR是"自回归"，p为自回归项数；MA为"滑动平均"，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。
时间序列数据ARIMA模型分析思路：
（1）绘制图形，观察是否具有季节性；
（2）如果不含季节变化，观察数据是否为平稳数据。判定数据是否平稳可采取如下方法：绘制自相关图、偏自相关图、进行单位根检验。
（3）如果数据为平稳数据则直接进行建模，如果数据是非平稳数据采取取对数、差分的方式使数据变得平稳。
（4）如果具有季节变化，分析季节因素，剔除季节因素后在进行步骤（2）、（3）。
（5）确定p,q值，根据偏自相关和自相关图，或者ACI、BCI准则进行确定。
（6）利用python进行建模和预测。
实例：
https://www.jianshu.com/p/4130bac8ebec
https://www.jianshu.com/p/305c4961ee06