预测经济和金融时间序列:ARIMA与LSTM模型的比较

摘要

预测时间序列数据是经济学、商业和金融学中的一个重要主题。ARIMA模型在预测下一个时间序列滞后的精度和准确性方面表现出色。随着计算机计算能力的发展,产生了基于深度学习的新算法来预测时间序列数据,如长短期记忆(LSTM)。通过实证研究,基于深度学习的算法(如LSTM)优于传统算法,与ARIMA相比,LSTM获得的错误率平均降低在84%~87%之间,表明了LSTM对ARIMA的优越性。