PACF（部分自相关函数）的行为可以帮助我们确定时间序列模型的阶数。对于PACF：
- **截尾性（B）**：PACF在某个滞后阶之后迅速趋近于零，这意味着在该滞后阶之后，PACF不再显著。通常，这种现象表明时间序列可能适合用AR（自回归）模型来描述。在AR模型中，PACF会在滞后阶数k之后呈现截尾性。

### 专业分析：
- **PACF（部分自相关函数）**：用于测量一个时间序列与其自身滞后值之间的关系，排除较低阶的滞后影响。

- **截尾性**：
- 说明PACF在某一特定阶数之后较小或不显著。
- 表示时间序列中，影响主要集中在某些有限滞后阶内。
- 用于识别AR模型的合适阶数，模型的阶数就是PACF显著的滞后阶数。

- **应用**：
- 在建立AR模型时，通过识别PACF的截尾性，可以确定模型的阶数。

因此，对于题目中所述PACF的特性，选择 **B: 截尾性** 是正确的。