自回歸移動平均模型（Auto Regression Moving Average Model），簡稱ARMA 模型，屬于平穩(wěn)時間序列模型。ARMA(p,q)模型中的p,q分別為自相關系數(shù)和偏自相關系數(shù) 的拖尾階數(shù)。自回歸差分移動平均模型（Auto Regression Integrated Moving Average Model），簡稱ARIMA模型，屬于非平穩(wěn)時間序列模型。該模型通過使用差分的手段，將非 平穩(wěn)時間序列數(shù)據(jù)轉化為平穩(wěn)時間序列，再類似于ARMA模型來處理數(shù)據(jù)。ARIMA(p,d,q) 模型中p, d, q分別表示自相關(p階AR模型)， d次差分，滑動平均(q階MA模型)

ARIMA模型是時間序列分析中的一種常用模型，全稱為AutoRegressive Integrated Moving Average模型，即自回歸積分滑動平均模型。ARIMA模型由三個參數(shù)(p, d, q)來定義，其中：

- **p** 是自回歸（AR）部分的階數(shù)，即模型中自回歸項的個數(shù)。自回歸項表示當前值與前p個時刻的值之間的線性關系。通常與偏自相關系數(shù)的截尾階數(shù)相關。
- **d** 是差分（I）部分的階數(shù)，即使得時間序列平穩(wěn)所需的差分次數(shù)。差分操作用于消除時間序列中的趨勢，使其成為平穩(wěn)序列。
- **q** 是滑動平均（MA）部分的階數(shù)，即模型中移動平均項的個數(shù)。移動平均項表示當前值與前q個時刻的誤差項之間的線性關系。通常與自相關系數(shù)的拖尾階數(shù)相關。

根據(jù)以上分析，正確答案是：

- **p**: 偏自相關系數(shù)的截尾階數(shù)
- **d**: 差分的階數(shù)
- **q**: 自相關系數(shù)的拖尾階數(shù)

因此，答案是 **A、C、B**。