Answers:
Box和Jenkins本身并未使用AIC。他们的书是根据以前开发的方法于1970年出版的，而Akaike关于AIC的论文是在书出版后不久（不久）出现的。
他们的方法在他们的书中有概述[1]，但是今天在“ Box-Jenkins”的领导下包含的内容有些广泛，并且因人而异。
Box和Jenkins自己给出了一个简单的模型识别流程图，可以将其视为他们用来识别模型的过程的有用总结。（如果可以的话，我建议您看书-大多数体面的大学图书馆都应该有这本书。）
他们合并了模型识别，估计和诊断检查/确认的各个阶段（如果模型不充分，则包括返回第一阶段），然后一旦确定了适当的模型，就可以对模型进行预测。
此处的Wikipedia页面概述了所涉及的事物，但是它包含了自本书问世以来人们倾向于添加的许多事物。实际上，这些天来描述Box-Jenkins方法论的大量文档都将包括AIC或类似数量的使用。
另请参见此处的讨论。
最近的书籍（例如，请参见上面的维基百科页面）提供了通用方法的“现代”版本。
最后，如果您想了解Box-Jenkins方法论真正是什么，我会说“从他们的书开始”。失败的是，ARIMA模型的许多较新的处理方法都涵盖了大致相似的方法-尝试涵盖ARIMA模型的任何数量合理的时间序列书籍。
[1]：Box，乔治；Jenkins，Gwilym（1970），
时间序列分析：预测和控制
旧金山：Holden-Day
Box-Jenkins方法论是可用于构建ARIMA模型的策略或过程。该方法在《时间序列分析：预测和控制》（George EP Box和Gwilym M. Jenkins）一书中概述，该书最初于1970年出版-存在更多最新版本。
通过打开SAS，调用proc ARIMA以及提供p，d和q的编号，您仅估算了ARIMA模型。盲目地做到这一点，也就是说，不使用任何公认的特殊方法来识别ARIMA模型本身，就像玩火柴一样-软件的危险！
如果您继续重复此过程-估计很多ARIMA模型-您最终将能够从Akaike信息准则中选择最低的模型（从您估计的模型集中）。在这种情况下，一种更系统的方法是使用一种算法，该算法基于比较各种不同模型的AIC值来自动为您选择ARIMA模型，例如R中的预测包提供的模型-相关函数名是auto.arima()。
无论如何，您概述的过程都涉及基于最小化某些信息准则（在这种情况下为AIC，但还有其他措施）来选择ARIMA模型。这是一种特殊的方法，但不是Box-Jenkins方法。替代。
Box-Jenkins方法论包括五个阶段（尽管有时据说只涉及三个阶段）：
值得注意的是，这是一个反复的过程，需要模型构建者做出一些判断-这是方法学的一个方面，被认为是一个缺点。判断部分特别是在解释两个工具时起作用。即，（估计的）自相关函数（ACF）和部分自相关函数（PACF）。
如果您想成为Box-Jenkins方法学的从业者，我建议您查阅原始文本（您会惊讶于现代教科书遗漏了！）以及可以找到的任何现代变体。艾伦·潘克拉茨（Alan Pankratz）有几本出色的教科书，我也强烈推荐它们。例如，使用单变量Box-Jenkins模型进行预测：概念和案例。
经验告诉我，“ Box-Jenkins方法论”一词的用法很宽松，因为我听说有人用它来简单地指代建立ARIMA模型，而不是指建立ARIMA模型的实际过程。 -当其他人使用它来引用1970年出版的内容的修改版本时。正如@Glen_b指出的那样，“如今有许多描述Box-Jenkins方法的文档，其中包括对AIC或类似数量的使用” 。
问：您是否应该使用Box-Jenkins方法得出p，d，q的初始估计？
正如已经提到的，有不同的模型选择策略，因此答案是否定的。不一定非要采用Box-Jenkins方法，而是如果需要的话。
问：SAS是否以某种方式在内部使用它？
除非该软件提供了非常复杂的功能，否则可能性很小！有关该软件的功能或功能的详细信息，请查阅SAS官方文档。如果它是R，则可以查看源代码，但是我怀疑SAS是否可以使用它。