ARIMA模型阶数确定的AIC与BIC准则比较.docxVIP

ARIMA模型阶数确定的AIC与BIC准则比较

一、ARIMA模型定阶环节的核心地位与准则演进

（一）ARIMA模型的应用价值与定阶难题

ARIMA模型全称自回归积分滑动平均模型，是时间序列分析领域应用最广泛的经典预测框架，诞生以来被广泛用于经济波动分析、气象变化预测、交通流量预估、工业生产过程监控、传染病传播趋势研判等多个场景，是无数从业者开展时间序列建模的首选基础工具。一套完整的ARIMA建模流程包含序列平稳化处理、模型阶数识别、参数估计、残差诊断、预测应用几个核心环节，其中阶数确定是决定建模成败的最关键步骤。通常来说，ARIMA模型的差分阶数需要先通过平稳性检验确定，保证差分后的序列满足