時間序列預測：從 ARIMA 到 LSTM

我正在尋找有關時間序列預測技術的資源。似乎有三種方法，按照機器學習的順序（以及相應的對數據的貪婪）列出如下：

• ARIMA 和 GARCH 模型
• 隱馬爾可夫模型 (HMM)
• 神經網絡：RNN、LSTM、GRU

就來源而言，ARIMA/GARCH 不會造成問題——有大量的書籍、筆記、教程等。HMM 也被很好地涵蓋了，但我還沒有看到任何將它們應用於時間序列的東西。最後，RNN/LSTM/GRU 上的資源似乎稀缺，可能是由於該領域的相對新穎性。

我將欣賞有關這些技術及其在時間序列中的應用的書籍/文章推薦。如果您想發布自己對該主題的概述，也將不勝感激。

有幾篇關於預測深度學習主題的優秀評論論文：

• 神經預測：簡介和文獻綜述
• 用於時間序列預測的遞歸神經網絡：現狀和未來方向
• 亞馬遜團隊的精彩演講

不過要提醒一句：我是基於 LSTM 的預測的忠實擁護者，並且在我的各種角色中都非常提倡它。但我會第一個告訴你要非常非常小心：LSTM 提供優於傳統統計模型的優勢的用例數量非常有限，而且深度學習遠不是一個既定的理論主題，ARIMA 的方式或狀態空間模型。

引用自：https://stats.stackexchange.com/questions/478600