时间序列|?在预测中使用LSTM架构的最新5篇论文推荐( 二 ) 深度学习|机器学习

https://arxiv.org/pdf/2107.13653.pdf
5、Forecasting Commodity Prices Using Long Short-Term Memory Neural Networks(arXiv)Racine Ly Fousseini Traore Khadim Dia
本文应用RNN方法对棉花和石油价格进行预测。论文展示了这些来自机器学习的新工具，特别是长-短期记忆(LSTM)模型是如何补充传统方法的。论文的结果表明，机器学习方法拟合数据相当好，但在样本外预测方面并不优于经典的系统方法，例如如ARIMA模型。但是将这两种模型的预测平均起来，会比任何一种方法得到更好的结果。与ARIMA和LSTM相比，棉花的平均预测均方根误差(RMSE)分别降低了0.21和21.49% 。就石油而言，预测平均法在RMSE方面没有提供改善。论文的建议是使用预测平均法，并将分析扩展到广泛的商品价格范围。
https://arxiv.org/pdf/2101.03087.pdf
https://www.overfit.cn/post/9c2e2c985284443c9f7f070ae5af0a9c
【时间序列|?在预测中使用LSTM架构的最新5篇论文推荐】作者：Monodeep