ARIMAとLSTMを使用した時系列予測

私が扱っている問題は、時系列値を予測することです。一度に1つの時系列を見ていて、たとえば入力データの15％に基づいて、将来の値を予測したいと思います。これまでのところ、2つのモデルに出会いました。

• LSTM（長期短期記憶;再帰型ニューラルネットワークのクラス）
• 有馬

私は両方を試し、それらに関するいくつかの記事を読みました。現在、私はこの2つを比較する方法について理解を深めようとしています。これまでに見つけたもの：

1. 大量のデータを処理し、十分なトレーニングデータが利用可能な場合、LSTMは適切に機能しますが、ARIMAは小さなデータセットに適しています（これは正しいですか？）
2. ARIMAでは(p,q,d)データに基づいて計算する必要がある一連のパラメーターが必要ですが、LSTMではそのようなパラメーターを設定する必要はありません。ただし、LSTMを調整する必要があるいくつかのハイパーパラメーターがあります。

上記の特性以外に、最良のモデルを選択するのに役立つポイントや事実は見つかりませんでした。誰かが記事、論文、またはその他のものを見つけるのを手伝ってくれる人がいてくれたら本当にありがたいです（これまでのところ運が悪く、あちこちにいくつかの一般的な意見だけがあり、実験に基づくものはありません）。

元々はストリーミングデータを扱っていることを述べなければなりませんが、今のところ、最大サイズが20kデータポイントの50個のデータセットを含むNABデータセットを使用しています。

商品価格を予測するための人工ニューラルネットワークと時系列モデルの比較では、財務時系列の予測におけるANNとARIMAのパフォーマンスを比較します。それはあなたの文献レビューの良い出発点だと思います。

多くの場合、ニューラルネットワークはARベースのモデルよりも優れている傾向があります。ただし、より高度な機械学習手法の1つの主な欠点（学術文献ではあまり説明されていません）は、ブラックボックスを使用することです。これらのモデルの多くを知らない人（たとえば、企業内）にモデルがどのように機能するかを説明する必要がある場合、これは大きな問題です。しかし、あなたが学校の仕事としてこの分析をしているなら、私はこれが問題になることはないと思います。

しかし、前のコメンテーターのように、通常、最良の方法は、2つ以上のモデルを組み合わせる集団推定器を形成することです。