參考資料 https://blog.csdn.net/qq_36810398/article/details/103381406。
參考資料 https://stats.stackexchange.com/questions/19715/why-does-a-time-serieshave-to-be-stationary。
有很多 API 可以直接返回最優的差分次數，例如 R 語言的 ndiffs()
https://blog.csdn.net/qq_36810398/article/details/102504772。
當然，一個比較簡單方法是直接調用方便的 API 來自動尋找，Python 和 R 中都有非常方便
的函數來調用，例如 auto.arima（https://blog.csdn.net/qq_36810398/article/details/
102700416）,它的原理基本是在給定的範圍內“枚舉”來尋找最優(AIC 等評價指標最小)的
p 和 q。
[1] ARIMA 的定義。https://otexts.com/fpp2/non-seasonal-arima.html
[2]Forecast:Principles and Practice 中的參數估計。https://otexts.com/fpp2/arimaestimation.html
[3]《時間序列分析》(漢密爾頓)中的，參數估計中的似然函數。《時間序列分析·上冊》第
5 章，ARMA 模型參數估計在 5.6 小節。
[4]關於預測未來的值，教材中的一小節 https://otexts.com/fpp2/arimaforecasting.html。
[5]R 語言中 auto.arima 函數計算步驟和參數
https://blog.csdn.net/qq_36810398/article/details/102700416
[6]《金融時間序列分析》，https://max.book118.com/html/2017/1102/138635217.shtm