ARIMA (AutoRegressive Integrated Moving Average) combina tres componentes para modelar una serie de tiempo: la parte autorregresiva (usa valores pasados de la propia serie para predecir), la de integración (aplica diferenciaciones sucesivas para volver la serie estacionaria), y la de promedio móvil (usa errores de predicción pasados para mejorar la estimación).
Por qué sigue siendo un modelo de referencia
A pesar de la aparición de métodos más modernos basados en machine learning, ARIMA sigue siendo un modelo de referencia sólido, interpretable y bien fundamentado estadísticamente para pronóstico de series de tiempo, especialmente cuando se dispone de una única serie con un historial razonablemente largo y consistente.