ARIMA从ACF / PACF图中选择参数

Question

所以我有一个时间序列，我不能与大家分享，但我有一些关于正确程序的问题，以便为我的数据拟合正确的ARIMA模型。

我已经成功编写了一个循环来确定需要进行的差分程度（I（d）中的参数d）

问题：

为了确定p和q，我正在查看我的数据的ACF和PACF图。但是，我想知道我是否应该使用我的时间序列的延时转换（趋势加随机错误，但没有可以在以后添加的季节性组件）或我的原始时间序列。我使用R中的分解函数获得了去季节数据（stl（）明显更好吗？）。

对于原始时间系列，我的acf情节看起来像：

ACF情节中有一些确定的季节性。这是否意味着如果我需要使用这些数据，我需要在我的最终模型中识别非零季节性参数？在这种情况下，如何选择季节性P和Q？

使用延时数据，以下是这些图的样子：

不确定如何解释季节性PACF / ACF图，而不是ACF图上滞后6处的峰值表明p可能是6？

今年夏天刚刚学习了ARIMA，并希望得到任何了解该主题的人的帮助，以及如何根据我所展示的内容选择最佳参数。期待一个好的话语:)