季节ARIMA模型与LSTM神经网络预测的比较OA北大核心CHSSCDCSSCICSTPCD
Comparison Between Seasonal ARIMA Model and LSTM Neural Network Forecast
宏观经济预测一直是经济领域研究的热点和难点,随着深度学习技术的发展,长短期记忆(LSTM)神经网络已广泛应用于经济、金融等诸多领域.文章分别用传统的统计计量方法(ARIMA模型)和深度学习方法(LSTM神经网络)建模,预测中国2019年GDP季度数据.结果表明:(1)并非所有的LSTM建模预测都优于传统统计计量方法,应根据数据特点,选择适合的预测模型,通过对GDP的预测,ARIMA模型取得了更好的效果.(2)针对结构比较简单的时间序列数据,传统计…查看全部>>
徐映梅;陈尧
中南财经政法大学,统计与数学学院,武汉430073中南财经政法大学,统计与数学学院,武汉430073
管理科学
ARIMA模型LSTMGDP增长率
《统计与决策》 2021 (2)
46-50,5
中南财经政法大学交叉学科创新研究项目(2722020JX001)中南财经政法大学研究生创新项目(201811302)