1. 没有已知/怀疑的预测变量
2. 没有电平转换
3. 没有$1,2,3,...,t$
4. 没有季节性假人
5. 没有一次异常
6. 模型参数随时间保持不变
7. 随着时间的推移，误差过程是同方差的（常数）

大多数软件解决方案继续忽略所有这些假设。AUTOBOX 是我帮助开发的一款软件，它可以识别、测试和纠正任何违反上述规定（保存 1）的行为，从而形成一个强大的 ARIMA 解决方案。

对于“纯” ARIMA 模型，

1. 所涉及的时间序列是弱平稳或某种顺序的积分（这意味着对未知系数的值及其恒定性的限制）。

2. 所有观察到的时间序列只是白噪声的组合，也许是一个常数。

此外，您使用缩写“ARIMA”这一事实本身就意味着

3. 没有其他预测变量（在这种情况下，您将拥有“ARIMA-X”模型）并且

4. 这些关系完全是线性的（为了表明非线性建模的可能性，您应该缩写为“NARIMA”）。