ARIMA和SARIMAX模型是常用的时间序列预测模型。在这两个模型中，参数的设置非常重要。以下是一些关于如何设置ARIMA和SARIMAX模型的参数的建议：

1. ARIMA模型的参数设置：

ARIMA模型的参数通常称为(p,d,q)。其中p是自回归项（AR），d是差分项（I），q是移动平均项（MA）。参数的设置可以通过自相关图（ACF）和偏自相关图（PACF）来完成。

例如，下面的代码将一些ARIMA参数设置为（1,1,1）：

from statsmodels.tsa.arima_model import ARIMA
model = ARIMA(data, order=(1,1,1))

2. SARIMAX模型的参数设置：

SARIMAX模型比ARIMA模型更加灵活。它包括季节性项，可以用于描述一些呈周期性变化的时间序列。SARIMAX模型的参数通常称为(p,d,q)(P,D,Q)s。其中，P、D和Q是季节性自回归、差分和移动平均项，s是季节性周期。同样，参数的设置可以通过ACF和PACF完成。

例如，下面的代码将一些SARIMAX参数设置为(1,1,1)(1,1,1)4：

from statsmodels.tsa.statespace.sarimax import SARIMAX
model = SARIMAX(data, order=(1,1,1), seasonal_order=(1,1,1,4))