多元概率CRPS学习及其在日前电价中的应用
机器学习
2024-02-08 v3 机器学习
计量经济学
计算金融
应用统计
摘要
本文提出一种组合(或聚合或集成)多元概率预测的新方法,通过允许在线学习的平滑过程考虑分位数与边缘分布之间的依赖关系。我们讨论了两种平滑方法:使用基矩阵的降维与惩罚平滑。该新在线学习算法将标准CRPS学习框架推广至多元维度。它基于Bernstein在线聚合(BOA)并具有最优渐近学习性质。该过程使用水平聚合,即跨分位数的聚合。我们深入讨论了算法的可能扩展以及与现有在线预测组合文献相关的若干嵌套情形。我们将所提方法应用于日前电价预测,其为24维分布预测。相较均匀组合,所提方法在连续 ranked probability score (CRPS)方面取得显著改进。我们讨论了权重与超参数的时间演化,并展示了优选模型的简化版本结果。所提算法的快速C++实现已在CRAN上的开源R包profoc中提供。
引用
@article{arxiv.2303.10019,
title = {Multivariate Probabilistic CRPS Learning with an Application to Day-Ahead Electricity Prices},
author = {Jonathan Berrisch and Florian Ziel},
journal= {arXiv preprint arXiv:2303.10019},
year = {2024}
}