LSTM与ARIMA在时间序列分析中，哪种模型原理更复杂，实现更困难？

本文共计1048个文字，预计阅读时间需要5分钟。

点击上方‘趣味数据分析周刊’关注公众号，文章日期为201901007，方法对比显示，时间序列算是我接触的第一个统计学实践项目，也是它带我进入这个领域。

点击上方“趣味数据周刊”关注公众号文章期号201901007方法对比显优劣前言时间序列算是我接触的第一个统计学实践项目也是它把我带进 点击上方“趣味数据周刊”关注公众号文章期号201901007方法对比显优劣前言时间序列算是我接触的第一个统计学实践项目也是它把我带进了机器学习的大门。当时的我的工作是根据过往投资和赎回量每天预估一个需要留的钱有点类似银行准备金。我本想自己写个代码无奈能力不足最后让算法工程师帮我写了一套每天预测准确率大约90%。回头过了1年多我现在都不会当时肯定写不出来了。正好这周末学习统计预测上课老师讲的是ARIMA模型为主不过老师也说了目前要更高的准确率推荐神经网络。正好我也查到了神经网络相关代码尝试做一个ARIMA与神经网络结果比对。同时也是为了十月有一个预测比赛打基础。一、ARIMA模型

ARIMA模型于1982年提出是时间序列预测分析方法之一。ARIMA(pdq)中AR是"自回归"p为自回归项数MA为"滑动平均"q为滑动平均项数d为使之成为平稳序列所做的差分次数(阶数)。后面ARIMA模型我是用R语言来实现的。第一步安装包主要用到forecast需要下载以便预测。第二步下载导入数据这里以最近两年ICBC的的历史股票行情为例。数据是2017年4月5日至2019年9月20日每天股票最高价。根据以往数据预测9月23日至9月27日ICBC股价(最高价)下载数据可见后文lstm模型开头有下载办法。