ARIMA模型的可逆性是指模型的自回归系数和移动平均系数能够满足一些条件，使得模型是可逆的。在ARIMA模型中，可逆性是一个重要的性质，它保证了模型是稳定和可解释的。

下面是一个使用Python的statsmodels库来检查ARIMA模型可逆性的示例代码：

import statsmodels.api as sm

# 创建一个ARIMA模型对象
model = sm.tsa.ARIMA(data, order=(p, d, q))

# 拟合模型
results = model.fit()

# 检查模型的可逆性
if results.isinvertible:
    print("ARIMA模型是可逆的")
else:
    print("ARIMA模型不可逆")

在上面的代码中，我们首先创建了一个ARIMA模型对象，并指定了模型的阶数(order)。然后，我们使用拟合方法fit()来拟合模型，并将结果保存在results变量中。最后，我们使用isinvertible属性来检查模型的可逆性，如果返回True，则说明模型是可逆的，否则不可逆。

需要注意的是，这只是一个示例代码，实际应用中需要根据具体的数据和模型来调整参数。另外，还可以使用其他方法来检查模型的可逆性，比如检查自回归系数和移动平均系数的绝对值是否小于1等。