利用点预测者增强预测区间可靠性：异方差分位回归与宽度自适应保守推断
统计方法学
2025-01-20 v2 机器学习
机器学习
摘要
构建时间序列预测区间具有挑战性，尤其是当实践者仅依赖点预测时。虽然前期研究致力于创建越来越高效的区间，但我们认为常规措施本身不够。除了效率之外，预测区间必须根据预测难度自适应调整宽度，同时保持覆盖率无论复杂度如何。为此，我们提出将异方差分位回归（Heteroscedastic Quantile Regression, HQR）与宽度自适应保守推断（Width-Adaptive Conformal Inference, WACI）相结合。这一集成程序保证了理论覆盖率，使区间宽度能够随预测不确定性而变化。我们采用人工合成示例和真实世界的电价预测情景进行评估。结果表明，这种组合方法在有效性和效率方面均达到或超越了典型基准，同时满足重要但常被忽视的实际要求。
引用
@article{arxiv.2406.14904,
title = {Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference},
author = {Carlos Sebastián and Carlos E. González-Guillén and Jesús Juan},
journal= {arXiv preprint arXiv:2406.14904},
year = {2025}
}