論文の概要: Movement-Prediction-Adjusted Naïve Forecast
- arxiv url: http://arxiv.org/abs/2406.14469v7
- Date: Thu, 03 Apr 2025 01:44:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-04 12:54:46.595447
- Title: Movement-Prediction-Adjusted Naïve Forecast
- Title（参考訳）: 運動予測の調整によるナイーブ予測
- Authors: Cheng Zhang,
- Abstract要約: 本研究は,重み付けされた動き予測項を付加した,移動予測の原型である移動予測(動き予測)を提案する。
方向精度が向上するにつれて、調整された「Na」予測の誤差が減少する。
この結果から, 運動予測調整Na" 予測は, 対称ランダムウォーク特性を持つ時系列に対して, 新たな最適点予測となる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 6.935130578959931
- License:
- Abstract: This study introduces a movement-prediction-adjusted na\"ive forecast, which is the original na\"ive forecast with the addition of a weighted movement prediction term, in the context of forecasting time series that exhibit symmetric random walk properties. The weight of the movement term is determined by two parameters: one reflecting the directional accuracy and the other representing the mean absolute increment. The settings of the two parameters involve a trade-off: larger values may yield meaningful gains over the original na\"ive forecast, whereas smaller values often render the adjusted forecast more reliable. This trade-off can be managed by empirically setting the parameters using sliding windows on in-sample data. To statistically test the performance of the adjusted na\"ive forecast under different directional accuracy levels, we used four synthetic time series to simulate multiple forecast scenarios, assuming that for each directional accuracy level, diverse movement predictions were provided. The simulation results show that as the directional accuracy increases, the error of the adjusted na\"ive forecast decreases. In particular, the adjusted na\"ive forecast achieves statistically significant improvements over the original na\"ive forecast, even under a low directional accuracy of slightly above 0.50. This finding implies that the movement-prediction-adjusted na\"ive forecast can serve as a new optimal point forecast for time series with symmetric random walk characteristics if consistent movement prediction can be provided.
- Abstract（参考訳）: 本研究は,左右対称なランダム歩行特性を示す時系列の文脈において,重み付き運動予測項を付加した動き予測である運動予測調整Na\5予測を提案する。
運動項の重みは、方向精度を反映した2つのパラメータと、平均絶対インクリメントを表す2つのパラメータによって決定される。
2つのパラメータの設定にはトレードオフが伴う: 大きな値は元のna\\ive予測よりも有意義な利得をもたらす可能性があるが、小さい値は調整された予測をより信頼性の高いものにすることが多い。
このトレードオフは、サンプル内のデータにスライディングウィンドウを使用してパラメータを経験的に設定することで管理できる。
異なる方向精度レベルで調整されたna\\ive予測の性能を統計的に検証するために,4つの合成時系列を用いて複数の予測シナリオをシミュレートし,各方向精度レベルでは多様な動き予測が提供されることを仮定した。
シミュレーションの結果, 方向精度が向上するにつれて, 補正されたna\"ive予測の誤差が減少することがわかった。
特に、調整された na\"ive 予測は、0.50 よりわずかに低い方向精度の下でも、元の na\"ive 予測よりも統計的に有意な改善を達成している。
この結果は、一貫した動き予測が提供できれば、対称なランダムウォーク特性を持つ時系列の新しい最適点予測として、運動予測に調整されたna\"ive予測が役立てられることを示唆している。
関連論文リスト
- Conformal Prediction for Electricity Price Forecasting in the Day-Ahead and Real-Time Balancing Market [0.0]
再生可能エネルギーの電気市場への統合は 価格安定に重大な課題をもたらします
本研究では, Conformal Prediction (CP) 技術を用いた確率的価格予測の強化について検討した。
本稿では,量子レグレッションモデルの効率と時系列適応CP手法の強靭なカバレッジ特性を組み合わせたアンサンブル手法を提案する。
論文 参考訳（メタデータ） (2025-02-07T13:57:47Z) - A Hype-Adjusted Probability Measure for NLP Stock Return Forecasting [6.658767709779308]
本稿では,ストックリターンとボラティリティ予測のための新しい自然言語処理(NLP)アプローチの文脈で,Hype-Adjusted Probability Measureを紹介する。
日内ニュースが選択した米国の半導体ティッカーの次周期株価のリターンとボラティリティを予測するために, 新たな感情スコア式を提案する。
論文 参考訳（メタデータ） (2024-12-10T15:23:31Z) - Enhancing Mean-Reverting Time Series Prediction with Gaussian Processes:
Functional and Augmented Data Structures in Financial Forecasting [0.0]
本稿では,ガウス過程(GP)を基礎構造を持つ平均回帰時系列の予測に適用する。
GPは、平均予測だけでなく、将来の軌道上の確率分布全体を予測する可能性を提供する。
これは、不正なボラティリティ評価が資本損失につながる場合、正確な予測だけでは十分でない金融状況において特に有益である。
論文 参考訳（メタデータ） (2024-02-23T06:09:45Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳（メタデータ） (2024-02-02T10:34:13Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳（メタデータ） (2023-10-09T18:34:29Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - Exceedance Probability Forecasting via Regression for Significant Wave Height Prediction [0.0]
沿岸災害の原因となる大きな波高の極端な値の予測に着目する。
本稿では,点予測に基づく新しい手法を提案する。
カナダのハリファックス沿岸に設置したスマートブイのデータを用いて実験を行った。
論文 参考訳（メタデータ） (2022-06-20T14:55:17Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳（メタデータ） (2022-05-04T04:23:38Z) - CovarianceNet: Conditional Generative Model for Correct Covariance
Prediction in Human Motion Prediction [71.31516599226606]
本稿では,将来の軌道の予測分布に関連する不確かさを正確に予測する手法を提案する。
我々のアプローチであるCovariaceNetは、ガウス潜在変数を持つ条件付き生成モデルに基づいている。
論文 参考訳（メタデータ） (2021-09-07T09:38:24Z) - When in Doubt: Neural Non-Parametric Uncertainty Quantification for
Epidemic Forecasting [70.54920804222031]
既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。
不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。
本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
論文 参考訳（メタデータ） (2021-06-07T18:31:47Z) - Ensemble Forecasting for Intraday Electricity Prices: Simulating
Trajectories [0.0]
近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。
時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。
この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
論文 参考訳（メタデータ） (2020-05-04T10:21:20Z)
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。