DeepVARMA：一种用于化工行业指数预测的深度学习与 VARMA 混合模型
统计方法学
2024-04-30 v1 机器学习
统计计算
机器学习
摘要
由于化工行业指数是衡量化工行业发展的重要指标之一，对其进行预测对于了解该行业的经济状况和趋势至关重要。以多变量非平稳序列——合成材料指数为主要研究对象，本文提出了一种新的预测模型：DeepVARMA，及其变体 Deep-VARMA-re 和 DeepVARMA-en，它们结合了 LSTM 和 VARMAX 模型。新模型首先使用 LSTM 等深度学习模型去除目标时间序列的趋势，并学习内生变量的表示，然后使用 VARMAX 模型结合内生变量的嵌入对去趋势后的目标时间序列进行预测，最后结合 LSTM 学习到的趋势和 VARMAX 模型学习到的依赖关系，得到最终的预测值。实验结果表明：（1）新模型通过结合外生变量的 LSTM 编码和 VARMAX 模型，取得了最佳的预测精度。（2）在多变量非平稳序列预测中，与传统 VARMA 模型以及机器学习模型 LSTM、RF 和 XGBoost 相比，DeepVARMA 采用分阶段处理策略，展现出更高的适应性和准确性。（3）与平稳序列预测相比，传统 VARMA 和 VARMAX 模型在预测非平稳序列时波动更大，而 DeepVARMA 表现出更强的灵活性和鲁棒性。本研究为化工行业未来的发展和科学决策提供了更准确的工具和方法。
引用
@article{arxiv.2404.17615,
title = {DeepVARMA: A Hybrid Deep Learning and VARMA Model for Chemical Industry Index Forecasting},
author = {Xiang Li and Hu Yang},
journal= {arXiv preprint arXiv:2404.17615},
year = {2024}
}