能源价格建模：四代预测方法的比较评估
机器学习
2024-11-07 v1
摘要
能源是现代经济系统的关键驱动力。准确的能源价格预测在支持各个层面的决策中发挥着重要作用，从个体商业组织的运营采购决策到政策制定。大量文献对能源价格预测进行了研究，探讨了广泛的方法以提高准确性并为这些关键决策提供依据。鉴于预测技术的不断发展，文献缺乏系统对比这些方法的全面实证比较。本文对预测建模框架的演变进行了深入回顾，从成熟的计量经济学模型到机器学习方法，早期的序列学习器（如 LSTM），再到基于 Transformer 网络的深度学习最新进展，这些代表了预测领域的前沿。我们对相关文献进行了详细回顾，并将预测方法划分为四个模型族。我们还探讨了预训练与迁移学习等新兴概念，这些概念已变革了非结构化数据的分析，并为时间序列预测带来了重大希望。我们通过使用来自欧盟能源市场的数据对这四个模型族进行全面的实证分析，填补了文献中的空白；我们开展了一项大规模实证研究，对比了不同方法的预测准确性，特别关注了时间序列 Transformer 的替代方案。
引用
@article{arxiv.2411.03372,
title = {Energy Price Modelling: A Comparative Evaluation of four Generations of Forecasting Methods},
author = {Alexandru-Victor Andrei and Georg Velev and Filip-Mihai Toma and Daniel Traian Pele and Stefan Lessmann},
journal= {arXiv preprint arXiv:2411.03372},
year = {2024}
}