不足：

1. ARIMA模型只能对线性关系数据进行有效预测，而GDP总量的变化往往是非线性的。
2. ARIMA模型不能从宏观上分析影响GDP总量的因素，也就是说，ARIMA模型无法从外部因素的作用下进行预测。
3. ARIMA模型对异常值数据的处理能力较差，当存在一些异常值时会影响ARIMA模型预测准确度。

展望：

1. 在ARIMA中加入其他因子分析方法来进行宏观分析，如VAR、VECM、DSGE、SVAR等方法来对GDP总量进行定量分析。
2. 对异常数据进行正确处理（如去除异常数据或者使用平方根变化将其正则化处理后再使用ARIMA来进行预测）。
3. 由于GDP是一个多变量问题（即存在多个影响因子向GDP总量施加作用的情况下）,所以可以将VECM(Vector Error Correction Model)应用于ARIMA 时间序列中,通过考虑向前误差修正机制把相关因子考虑地加入,使得时间序列之间存在一定相互作用,并把相关因子考虑地加入,使得时间序列之间存在一定相互作用,从而准确识别出GDP总量变化的特征