基于签名变换的运输市场费率预测
机器学习
2024-12-10 v3 应用统计
摘要
货运运输市场费率的准确预测通常极具挑战性。在这项工作中，我们开发了一种基于签名变换的新型统计技术，并构建了一个预测性和自适应模型来预测这些市场费率。我们的技术基于签名变换的两个关键要素：其一是其通用非线性性质，该性质将特征空间线性化，从而将预测问题转化为线性回归；其二是签名核，它允许在计算上高效地比较时间序列数据之间的相似性。两者结合，能够在预测过程中实现高效的特征生成，并精确识别季节性和状态转换。基于该技术的算法已由亚马逊货运业务部署，其预测准确性和可解释性远超商用行业模型，即使在 COVID-19 疫情期间和乌克兰冲突期间也是如此。此外，我们的技术能够捕捉商业周期的影响和市场异质性，将预测精度提高了五倍以上，预计每年可节省 5000 万美元。
引用
@article{arxiv.2401.04857,
title = {Transportation Marketplace Rate Forecast Using Signature Transform},
author = {Haotian Gu and Xin Guo and Timothy L. Jacobs and Philip Kaminsky and Xinyu Li},
journal= {arXiv preprint arXiv:2401.04857},
year = {2024}
}