无处不在的层次结构——层次化时间序列中的不确定性管理与度量
统计方法学
2022-10-03 v1
摘要
我们通过行为学/贝叶斯视角考察对大量相关时间序列进行协调预测的问题。我们的方法明确承认并利用这些序列在时序特征、预测精度以及层次结构方面的“连通性”。通过最大化利用可用信息并显著降维层次预测问题，我们展示了如何提高协调预测的精度。与现有方法不同，我们的结构允许对各层次级别上所增加的预测价值进行分析与评估。无论是否使用概率性基础预测，我们的协调预测本质上是概率性的。
引用
@article{arxiv.2209.15583,
title = {Hierarchies Everywhere -- Managing & Measuring Uncertainty in Hierarchical Time Series},
author = {Ross Hollyman and Fotios Petropoulos and Michael E. Tipping},
journal= {arXiv preprint arXiv:2209.15583},
year = {2022}
}