論文の概要: Data-driven Calibration Sample Selection and Forecast Combination in Electricity Price Forecasting: An Application of the ARHNN Method

• arxiv url: http://arxiv.org/abs/2510.15011v1
• Date: Thu, 16 Oct 2025 11:49:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.31811
• Title: Data-driven Calibration Sample Selection and Forecast Combination in Electricity Price Forecasting: An Application of the ARHNN Method
• Title（参考訳）: 電力価格予測におけるデータ駆動校正サンプル選択と予測の組み合わせ:ARHNN法の適用
• Authors: Tomasz Serafin, Weronika Nitka,
• Abstract要約: 本稿では,ドイツ,スペイン,ニューイングランドの電力市場を記述した3つの長期的時系列に対して,ARHNN法を適用した。 予測精度を最大10%向上させることで,一般的な文献ベンチマークよりも優れていることを示す。 また,提案手法の簡易な2つの変種を提案し,予測精度をわずかに損なうことなく,大幅な時間短縮を実現した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Calibration sample selection and forecast combination are two simple yet powerful tools used in forecasting. They can be combined with a variety of models to significantly improve prediction accuracy, at the same time offering easy implementation and low computational complexity. While their effectiveness has been repeatedly confirmed in prior scientific literature, the topic is still underexplored in the field of electricity price forecasting. In this research article we apply the Autoregressive Hybrid Nearest Neighbors (ARHNN) method to three long-term time series describing the German, Spanish and New England electricity markets. We show that it outperforms popular literature benchmarks in terms of forecast accuracy by up to 10%. We also propose two simplified variants of the method, granting a vast decrease in computation time with only minor loss of prediction accuracy. Finally, we compare the forecasts' performance in a battery storage system trading case study. We find that using a forecast-driven strategy can achieve up to 80% of theoretical maximum profits while trading, demonstrating business value in practical applications.
• Abstract（参考訳）: キャリブレーションサンプルの選択と予測の組み合わせは、予測に使用されるシンプルだが強力なツールである。 様々なモデルと組み合わせて予測精度を大幅に改善できると同時に、実装が容易で計算量も少ない。 従来の科学文献ではその効果が繰り返し確認されているが、電力価格予測の分野ではまだ未検討である。 本稿では,ドイツ,スペイン,ニューイングランドの電力市場を記述した3つの長期的時系列に対して,ARHNN法を適用した。 予測精度を最大10%向上させることで,一般的な文献ベンチマークよりも優れていることを示す。 また,提案手法の簡易な2つの変種を提案し,予測精度をわずかに損なうことなく計算時間を大幅に短縮した。 最後に,バッテリストレージシステム取引ケーススタディにおける予測性能を比較した。 予測型戦略を用いることで、取引中の理論的最大利益の最大80%を達成でき、実用的なアプリケーションにおけるビジネス価値が示される。

関連論文リスト

• Hybrid Forecasting of Geopolitical Events [71.73737011120103]
  SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。 このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。 機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
  論文  参考訳（メタデータ） (2024-12-14T22:09:45Z)
• Postprocessing of point predictions for probabilistic forecasting of day-ahead electricity prices: The benefits of using isotonic distributional regression [0.0]
  本研究では,日頭電力価格の点予測を確率的値に変換するための3つのポストプロセッシング手法について検討する。 後者は最も多様な振る舞いを示すが、予測分布のアンサンブルに最も寄与する。 注目すべきことに、この組み合わせのパフォーマンスは、ドイツとスペインの電力市場から4.5年間のテスト期間において、最先端の分散ディープニューラルネットワークよりも優れている。
  論文  参考訳（メタデータ） (2024-04-02T19:50:36Z)
• 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)
• Combining predictive distributions of electricity prices: Does minimizing the CRPS lead to optimal decisions in day-ahead bidding? [0.0]
  本研究では,新しい重み付け手法であるCRPS学習を用いることで,日頭入札における最適決定が導かれるかどうかを検討する。 アンサンブルの多様性の増大は精度に肯定的な影響を与える可能性がある。 分布の等重集約と比較してCRPS学習を使用する場合の計算コストは、高い利益によって相殺されない。
  論文  参考訳（メタデータ） (2023-08-29T17:10:38Z)
• Beyond S-curves: Recurrent Neural Networks for Technology Forecasting [60.82125150951035]
  我々は機械学習と時系列予測の最近の進歩を生かしたオートコーダアプローチを開発した。 S曲線予測は、単純なARIMAベースラインに匹敵する平均パーセンテージ誤差(MAPE)を示す。 我々のオートエンコーダアプローチは、2番目に高い結果に対して平均13.5%改善する。
  論文  参考訳（メタデータ） (2022-11-28T14:16:22Z)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short Term Electricity Price Forecasting [0.0]
  本研究では、一般化長メモリ自己回帰モデル(k-factor GARMA)に基づく新しいハイブリッドモデルの予測性能について検討する。 提案モデルの性能を北プール電力市場のデータを用いて評価した。
  論文  参考訳（メタデータ） (2022-04-18T12:21:25Z)
• Forecasting day-ahead electricity prices: A review of state-of-the-art algorithms, best practices and an open-access benchmark [14.377733907729072]
  電力価格予測の分野は、過去20年間に多くの貢献から恩恵を受けている。 後者はしばしば、公開されていないユニークなデータセットを使用して比較される。 電力価格の予測において、どの方法がうまく機能するか、何がベストプラクティスであるかは明らかになっていない。
  論文  参考訳（メタデータ） (2020-08-18T16:19:20Z)

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。