自回归移动平均模型（Auto Regression Moving Average Model），简称ARMA 模型，属于平稳时间序列模型。ARMA(p,q)模型中的p,q分别为自相关系数和偏自相关系数 的拖尾阶数。自回归差分移动平均模型（Auto Regression Integrated Moving Average Model），简称ARIMA模型，属于非平稳时间序列模型。该模型通过使用差分的手段，将非 平稳时间序列数据转化为平稳时间序列，再类似于ARMA模型来处理数据。ARIMA(p,d,q) 模型中p, d, q分别表示自相关(p阶AR模型)， d次差分，滑动平均(q阶MA模型)

ARIMA模型是时间序列分析中的一种常用模型，全称为AutoRegressive Integrated Moving Average模型，即自回归积分滑动平均模型。ARIMA模型由三个参数(p, d, q)来定义，其中：

- **p** 是自回归（AR）部分的阶数，即模型中自回归项的个数。自回归项表示当前值与前p个时刻的值之间的线性关系。通常与偏自相关系数的截尾阶数相关。
- **d** 是差分（I）部分的阶数，即使得时间序列平稳所需的差分次数。差分操作用于消除时间序列中的趋势，使其成为平稳序列。
- **q** 是滑动平均（MA）部分的阶数，即模型中移动平均项的个数。移动平均项表示当前值与前q个时刻的误差项之间的线性关系。通常与自相关系数的拖尾阶数相关。

根据以上分析，正确答案是：

- **p**: 偏自相关系数的截尾阶数
- **d**: 差分的阶数
- **q**: 自相关系数的拖尾阶数

因此，答案是 **A、C、B**。