关于时间序列
参数估计
在分析模型参数（系数）的时候，如果发现AR(1)和AR(2)，其中第二个参数非常小，接近0，比如0.0XXX那么就要维持AR(1)的模型，因为对于小系数可以忽略不计。
ARIMA稳态判断
基本思路：
首先判断是AR，MA还是ARMA；判断的依据是是否存在Yt-k，有则必然是AR，在判断是否有et-k，有则必然是MA；在判断是否变形后可以转化为差分形式，可以则ARIMA；
稳态，如果是AR，则判断
如果是MA则判断E（Yt）和Var（Yt）是否都是0
ACF和CCF
自相关（ACF）是Y和历史的自己的相关性；互相关（CCF）是X和Y的相关性，CCF出现在时间序列回归模型中。
