ARIMA(p，d，q)模型全称为差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
http://blog.csdn.net/desilting/article/details/39013825
核心
整个算法的核心，就是ARIMA中d差分将时序差分成平稳时序或是趋于平稳时序，然后基于PACF设置p自回归项，基于ACF设置q移动平均项数。
但因为包是基于statsmodels的，而其中的ARIMA（p，d，q），d不能>2，因此选用ARIMA（p，q）函数，d则使用pandas.diff()来实现。
原理
时间序列完全教程（R）
http://blog.csdn.net/desilting/article/details/39013825时间序列分析之ARIMA模型预测__R篇
http://blog.sina.com.cn/s/blog_70f632090101bnd8.html
http://blog.csdn.net/desilting/article/details/39013825
http://blog.csdn.net/desilting/article/details/39013825
http://blog.csdn.net/Earl211/article/details/50957029
