論文の概要: Hierarchical forecasting for aggregated curves with an application to day-ahead electricity price auctions

• arxiv url: http://arxiv.org/abs/2305.16255v1
• Date: Thu, 25 May 2023 17:10:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-18 13:15:47.849988
• Title: Hierarchical forecasting for aggregated curves with an application to day-ahead electricity price auctions
• Title（参考訳）: 集束曲線の階層的予測 : 日頭電力価格オークションへの適用
• Authors: Paul Ghelasi, Florian Ziel
• Abstract要約: すべての集合曲線が固有の階層構造を持つという事実を利用する。 階層的和解法は予測精度の向上に有効である。 この結果から,階層的整合法は,集約曲線の予測精度の向上に有効であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aggregated curves are common structures in economics and finance, and the most prominent examples are supply and demand curves. In this study, we exploit the fact that all aggregated curves have an intrinsic hierarchical structure, and thus hierarchical reconciliation methods can be used to improve the forecast accuracy. We provide an in-depth theory on how aggregated curves can be constructed or deconstructed, and conclude that these methods are equivalent under weak assumptions. We consider multiple reconciliation methods for aggregated curves, including previously established bottom-up, top-down, and linear optimal reconciliation approaches. We also present a new benchmark reconciliation method called 'aggregated-down' with similar complexity to bottom-up and top-down approaches, but it tends to provide better accuracy in this setup. We conducted an empirical forecasting study on the German day-ahead power auction market by predicting the demand and supply curves, where their equilibrium determines the electricity price for the next day. Our results demonstrate that hierarchical reconciliation methods can be used to improve the forecasting accuracy of aggregated curves.
• Abstract（参考訳）: 集約曲線は経済と金融の共通構造であり、最も顕著な例は需給曲線である。 本研究では,全ての集約曲線が内在的階層構造を持つという事実を利用して,階層的和解法を用いて予測精度を向上させる。 我々は,集合曲線の構成や分解の方法に関する深い理論を提供し,これらの手法が弱い仮定の下で等価であると結論付ける。 我々は,以前に確立したボトムアップ法,トップダウン法,線形最適調整法を含む,集約曲線に対する複数の和解法を検討する。 また,ボトムアップやトップダウンの手法と同様の複雑さを持つ「集約ダウン」と呼ばれる新しいベンチマーク調整手法を提案するが,この設定では精度が向上する傾向にある。 我々は,ドイツの日頭電力オークション市場について,需要と供給曲線を予測し,その平衡が翌日の電力価格を決定する実験的な予測を行った。 以上の結果から,階層的調整手法により,集計曲線の予測精度の向上が期待できることがわかった。

関連論文リスト

• Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
  オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。 学習シナリオにおける同値性に基づく単一のフレームワークを提案する。 我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
  論文  参考訳（メタデータ） (2024-05-09T12:52:22Z)
• Aggregation Weighting of Federated Learning via Generalization Bound Estimation [65.8630966842025]
  フェデレートラーニング(FL)は通常、サンプル比率によって決定される重み付けアプローチを使用して、クライアントモデルパラメータを集約する。 上記の重み付け法を,各局所モデルの一般化境界を考慮した新しい戦略に置き換える。
  論文  参考訳（メタデータ） (2023-11-10T08:50:28Z)
• Distributionally Robust Optimization with Bias and Variance Reduction [9.341215359733601]
  勾配に基づくアルゴリズムであるProspectは、スムーズな正規化損失に対する線形収束を享受していることを示す。 また、勾配法のようなベースラインよりも2～3$times$早く収束できることも示している。
  論文  参考訳（メタデータ） (2023-10-21T00:03:54Z)
• Generating drawdown-realistic financial price paths using path signatures [0.0]
  本稿では,金融価格データのシーケンスを定量的に近似したドローダウンでシミュレーションするための,新しい生成機械学習手法を提案する。 我々は、変分自己エンコーダ生成モデルと縮小再構成損失関数を組み合わせた非自明なモンテカルロアプローチを提唱する。 我々は、混合株式、債券、不動産、商品ポートフォリオに関する数値実験で締めくくった。
  論文  参考訳（メタデータ） (2023-09-08T10:06:40Z)
• A General Stochastic Optimization Framework for Convergence Bidding [0.0]
  本稿では,最適収束(仮想)入札曲線を得るための一般最適化フレームワークを提案する。 本フレームワークでは,入札価格とボリュームを同時に生成する線形プログラミングに基づく最適化モデルを開発した。 一般モデルにおける様々な近似と単純化が、自然によく知られた収束入札アプローチにつながることを示す。
  論文  参考訳（メタデータ） (2022-10-12T19:14:07Z)
• Distributional Gradient Boosting Machines [77.34726150561087]
  私たちのフレームワークはXGBoostとLightGBMをベースにしています。 我々は,このフレームワークが最先端の予測精度を実現することを示す。
  論文  参考訳（メタデータ） (2022-04-02T06:32:19Z)
• Robust Linear Predictions: Analyses of Uniform Concentration, Fast Rates and Model Misspecification [16.0817847880416]
  ヒルベルト空間上の様々な線形予測問題を含む統一的なフレームワークを提供する。 誤特定レベル $epsilon$ に対して、これらの推定器は、文献で最もよく知られたレートと一致する、$O(maxleft|mathcalO|1/2n-1/2, |mathcalI|1/2n-1 right+epsilon)$ の誤差率を達成する。
  論文  参考訳（メタデータ） (2022-01-06T08:51:08Z)
• A unified view of likelihood ratio and reparameterization gradients [91.4645013545015]
  我々は、LRとRPが確率質量の運動を追跡する代替方法であることを示すために、第一原理のアプローチを用いる。 LRとRPを組み合わせた全ての可能な推定器の空間は、流れ場によって完全にパラメータ化可能であることを示す。 したがって、より優れたモンテカルロ勾配推定器をどこに探すべきかを明確にする。
  論文  参考訳（メタデータ） (2021-05-31T11:53:08Z)
• Deep learning: a statistical viewpoint [120.94133818355645]
  ディープラーニングは、理論的観点からいくつかの大きな驚きを明らかにしました。 特に、簡単な勾配法は、最適でないトレーニング問題に対するほぼ完全な解決策を簡単に見つけます。 我々はこれらの現象を具体的原理で補うと推測する。
  論文  参考訳（メタデータ） (2021-03-16T16:26:36Z)
• GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
  オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。 本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。 提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
  論文  参考訳（メタデータ） (2021-02-22T19:42:40Z)
• Hierarchical forecast reconciliation with machine learning [0.34998703934432673]
  本稿では,機械学習に基づく新しい階層的予測手法を提案する。 これは、サンプル後の経験的予測精度とコヒーレンスの改善の目的を構造的に組み合わせている。 本研究では,提案手法が既存手法よりも優れた点予測を与えることを示す。
  論文  参考訳（メタデータ） (2020-06-03T04:49:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。