1. 先回答一个问题：ARIMA 解决什么

ARIMA 不是“万能预测器”，它专门处理单变量时间序列里由自相关结构驱动的可预测成分。
核心思想是把序列写成“差分后的平稳过程 + 误差修正项”。

当你需要：

1. 解释性强于黑箱精度；
2. 样本量中小、特征工程有限；
3. 业务需要可审计的模型诊断；

ARIMA 往往是第一选择。

2. 模型结构与数学形式

ARIMA$(p,d,q)$：

$$ \phi(B)(1-B)^d y_t = c + \theta(B)\varepsilon_t $$

其中：

1. $p$ 是自回归阶数；
2. $d$ 是差分阶数；
3. $q$ 是移动平均阶数；
4. $B$ 是滞后算子。

若存在季节项，使用 SARIMA$(p,d,q)\times(P,D,Q)_s$：

$$ \Phi(B^s)\phi(B)(1-B)^d(1-B^s)^D y_t = c + \Theta(B^s)\theta(B)\varepsilon_t $$

3. 建模流程（原则优先）

1. 先画序列图与季节分解，不要直接网格搜索。
2. 通过 ADF/KPSS 判断是否需要差分。
3. 用 ACF/PACF 给 $p,q,P,Q$ 初值。
4. 用 AIC/BIC 做候选比较。
5. 对残差做白噪声检验（Ljung-Box）。

4. Python 参考实现

import pandas as pd
from statsmodels.tsa.statespace.sarimax import SARIMAX
from statsmodels.stats.diagnostic import acorr_ljungbox

# y: DatetimeIndex 的单变量序列
train = y.iloc[:-24]
test = y.iloc[-24:]

model = SARIMAX(
    train,
    order=(1, 1, 1),
    seasonal_order=(1, 1, 1, 12),
    enforce_stationarity=False,
    enforce_invertibility=False,
)
res = model.fit(disp=False)

pred = res.get_forecast(steps=len(test)).predicted_mean

lb = acorr_ljungbox(res.resid.dropna(), lags=[12], return_df=True)
print(lb)

5. 常见误区

1. 过度差分：把可预测信号差掉。
2. 只看训练集拟合优度，不做滚动预测。
3. 残差有显著自相关却直接上线。
4. 忽略结构突变（政策、疫情、价格机制变化）。

6. 实务建议

1. 把 ARIMA 作为可解释基线，再与树模型/深度模型对比。
2. 业务里优先报告区间预测，不只报点预测。
3. 当残差长期偏态或厚尾，考虑 GARCH 或状态空间扩展。

ARIMA 的价值不只是“预测值”，而是它把时间依赖结构显式化，便于你定位误差来源并迭代系统。