问题如下图：
选项：
A. 
B. 
C. 
D. 
解释：
这个section的题目错的很多，很多题目都是跟AR MA ARMA模型有关的，但课程中讲的不深，你们有统计过考试中会不会有很多这个section的题吗？难度如何？
NO.PZ2019040801000061 问题如下 Regarng the usefulness of autoregressive (^AR) process anautoregressive moving average process when moling seasontWhiof the following statements is corre? A.They both inclu laggeterms an therefore, better capture a relationship in motion. B.They both specialize in capturing only the ranm movements in time series t C.The autoregressive process is the best capturing only ranm movements. All the above. A is correct考点MA process anprocess解析autoregressive 模型和 autoregressive moving average 模型都可以预测周期性的数据，因为他们都使用延迟性的观测数据。autoregressive moving average在预测ranm movements时更好一些。 烦请详细一下laggeterm,谢谢！
They both specialize in capturing only the ranm movements in time series tThe autoregressive process is the best capturing only ranm movements. All the above. A is corre考点MA process anprocess 解析autoregressive 模型和 autoregressive moving average 模型都可以预测周期性的数据，因为他们都使用延迟性的观测数据。 autoregressive moving average在预测ranm movements时更好一些。A，怎么判断是问谁更优？是从题目中吗？
老板你好，这个题目能不能这样理解，AR干的是通过昨天的自己预测今天的自己，MA干的是干的是昨天的自己的波动率可能会影响到今天的自己。两者都是COV-stationary的数据，至于预测ranm moverment，压根就算是NON- COV-stationary的时间序列，所以BC都在瞎扯。。如果是纯随机的话，应该是只有先差分在建模。。应该是section 8的内容了
答案里面ARMA预测ranm movements更好，为什么？
