（1）ARIMA全称叫Integrated ARMA，其中的I就是差分的意思。所以ARMA一定要弱平稳，ARIMA适用于一切（不一定要弱平稳）。关于ARMA，不平稳的话模型的ACF下降很缓慢（前后项相关性很强！！），而AR的ACF应该指数衰减，MA的ACF应该截断，否则不符合这个模型

（2）不平稳最好的方法就是用差分，既Yt=(1-B)Xt  其中B为Blackshift Operator。如果一阶差分后Yt仍然不平稳，可以继续差分Zt=(1-B)Yt，即Zt=(1-B)^2 Xt  如此继续，直到平稳。但注意，不要过度差分，当ACF不再缓慢下降，一般已经说明平稳。

问题已经回答完了，不过依你的问题来看，恕我直言，你应该时间序列还没入门，估计刚刚开始学吧。。
祝好运

非常感谢！是啊，我之前上课老师讲过一些，但是当时学的时候不太用心，没学到多少，现在才开始再次拾起来，很多地方都没想明白，需要好好努力才行。

其实我觉得不一定要满足平稳性啊。但是如楼上所说的，如果是用ARMA模型，平稳性是必须的。

但是如果不平稳的话，估计出来的参数大概会大于 1 或者小于 -1.

你可以做一个实验，很简单，但是可以增强理解。用simulation来创建一些数据（这个simulation可以用R来做，有现成的code），然后把ar 的参数改成1.2， 比如
arima.sim(n = 63, list(ar = c(1.2))

然后把得出的数据去预估参数，你可以看到预估也应该是1.2 附近。但是如果有个AR_2 process，也就是说如果有两个参数的话，预估就会
不精确了。你也可以试试

我用R试了下，会出现错误提示（提示不平稳），显示如下图：

小于1的话才可以产生数据，这是不是也代表了需要满足平稳性，我看到有的说ARIMA模型需要满足序列平稳是因为它的模型构建（参数估计等）前提是满足平稳的条件。