arima模型的优点是：模型十分简单，只需要内生变量而不需要借助其他外生变量。缺点：要求时序数据是稳定的，或者是通过差分化后是稳定的，本质上只能捕捉线性关系，而不能捕捉非线性关系。
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），是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）。
