Previsão de séries temporais usando ARIMA vs LSTM

O problema com o qual estou lidando é prever valores de séries temporais. Estou analisando uma série temporal por vez e, com base em, por exemplo, 15% dos dados de entrada, gostaria de prever seus valores futuros. Até agora me deparei com dois modelos:

• LSTM (memória de longo prazo; uma classe de redes neurais recorrentes)
• ARIMA

Eu tentei os dois e li alguns artigos sobre eles. Agora, estou tentando entender melhor como comparar os dois. O que eu encontrei até agora:

1. O LSTM funciona melhor se estivermos lidando com uma quantidade enorme de dados e dados de treinamento suficientes estiverem disponíveis, enquanto o ARIMA é melhor para conjuntos de dados menores (isso está correto?)
2. O ARIMA requer uma série de parâmetros (p,q,d)que devem ser calculados com base nos dados, enquanto o LSTM não exige a configuração desses parâmetros. No entanto, existem alguns hiperparâmetros que precisamos ajustar para o LSTM.

Além das propriedades acima mencionadas, não encontrei outros pontos ou fatos que pudessem me ajudar a selecionar o melhor modelo. Ficaria muito grato se alguém pudesse me ajudar a encontrar artigos, papéis ou outras coisas (até agora não tive sorte, apenas algumas opiniões gerais aqui e ali e nada baseado em experimentos).

Devo mencionar que, originalmente, estou lidando com dados de streaming, no entanto, por enquanto, estou usando conjuntos de dados NAB, que incluem 50 conjuntos de dados com o tamanho máximo de 20k pontos de dados.

Uma comparação de modelos de redes neurais artificiais e de séries temporais para previsão de preços de commodities compara o desempenho da ANN e ARIMA na previsão de séries temporais financeiras. Eu acho que é um bom ponto de partida para sua revisão de literatura.

Em muitos casos, as redes neurais tendem a superar os modelos baseados em RA. No entanto, acho que uma grande desvantagem (que não é discutida tanto na literatura acadêmica) com métodos mais avançados de aprendizado de máquina é que eles usam caixas pretas. Esse é um grande problema se você tiver que explicar como o modelo funciona para alguém que não conhece muito desses modelos (por exemplo, em uma corporação). Mas se você estiver fazendo essa análise apenas como um trabalho escolar, não acho que isso seja um problema.

Mas, como o comentarista anterior disse, geralmente, a melhor maneira é formar um estimador de conjuntos no qual você combina dois ou mais modelos.