这几天一直看ARIMA模型的相关资料，感觉越看越迷糊。。
求指点~~

1. ARIMA模型中，纳入建模的数据，应该是平稳化后的数据，还是原始数据呢？---见过一篇文章（博客园里的大熊猫淘沙写的python时间序列分析），里面提到ARIMA模型传入差分后的数据，进行还原时会出问题。。因此，也有人怀疑说是因为模型里还会进行一次差分处理（ARIMA模型传入数据时，一样得给pdq定阶，这样的话，很可能会二次差分）。---因此，我个人怀疑是数据差分后进行平稳性检验，也只是和后面的观察ACF和PACF图确定p和q值一样，确定下d值而已。而实际传入数据时，仍旧应该是原始数据。只是在参数中告诉模型，需要进行几阶差分。不知道这个想法对不对~~
2. 数据进行平稳化处理后，通过了ADF和LB检验，满足平稳且非白噪声序列。但是观察ACF和PACF图，却发现两张图都无法快速收敛。这种情况下，到底是什么意思呢？--正常情况下，平稳序列不是应该会很快收敛么？
3. SARIMAX模型，与ARIMA模型对比，多了seasonal_order的参数，要求传入P,D,Q,s,分别代表：P--节性自回归阶数；D--季节性差分阶数；Q--季节性移动平均阶数；s--单个季节期间的时间步数。这四个参数应该如何确定呢？
4. 周期性因素和季节性因素，有没什么区别？statsmodels库中的decompose模块可以把数据分解成趋势因素、周期性因素和剩余值三部分。。那这个剩余值里，是否包含了季节性因素？差分又是否仅能消除趋势因素？还是说阶数是消除趋势，而步长消除周期？
   还有好多问题。。。感觉不知道如何学下去了。