論文の概要: Daily Forecasting for Annual Time Series Datasets Using Similarity-Based Machine Learning Methods: A Case Study in the Energy Market

• arxiv url: http://arxiv.org/abs/2511.05556v1
• Date: Mon, 03 Nov 2025 18:20:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.435649
• Title: Daily Forecasting for Annual Time Series Datasets Using Similarity-Based Machine Learning Methods: A Case Study in the Energy Market
• Title（参考訳）: 類似性に基づく機械学習を用いた年次時系列データセットの日次予測:エネルギー市場を事例として
• Authors: Mahdi Goldani,
• Abstract要約: 調査ではまず2段階のアプローチを採用し、毎年恒例のエネルギーセキュリティ指標に適した日次プロキシを特定した。 次に、選択したプロキシをXGBoostアルゴリズムを使ってモデル化し、15日間の予測を生成する。 モデルは強い性能を示し、Rはトレーニングセットが0.981、テストセットが0.945、許容誤差が測定された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The policy environment of countries changes rapidly, influencing macro-level indicators such as the Energy Security Index. However, this index is only reported annually, limiting its responsiveness to short-term fluctuations. To address this gap, the present study introduces a daily proxy for the Energy Security Index and applies it to forecast energy security at a daily frequency.The study employs a two stage approach first, a suitable daily proxy for the annual Energy Security Index is identified by applying six time series similarity measures to key energy related variables. Second, the selected proxy is modeled using the XGBoost algorithm to generate 15 day ahead forecasts, enabling high frequency monitoring of energy security dynamics.As the result of proxy choosing, Volume Brent consistently emerged as the most suitable proxy across the majority of methods. The model demonstrated strong performance, with an R squared of 0.981 on the training set and 0.945 on the test set, and acceptable error metrics . The 15 day forecast of Brent volume indicates short term fluctuations, with a peak around day 4, a decline until day 8, a rise near day 10, and a downward trend toward day 15, accompanied by prediction intervals.By integrating time series similarity measures with machine learning based forecasting, this study provides a novel framework for converting low frequency macroeconomic indicators into high frequency, actionable signals. The approach enables real time monitoring of the Energy Security Index, offering policymakers and analysts a scalable and practical tool to respond more rapidly to fast changing policy and market conditions, especially in data scarce environments.
• Abstract（参考訳）: 各国の政策環境は急速に変化し、エネルギー安全保障指数などのマクロレベル指標に影響を及ぼす。 しかしながら、この指標は、短期的な変動に対する応答性を制限するために、毎年報告されるのみである。 このギャップに対処するため,本研究では,エネルギーセキュリティ指標の日次プロキシを導入し,これを1日当たりのエネルギーセキュリティの予測に適用し,まず2段階のアプローチを採用し,年次エネルギーセキュリティ指標の日次プロキシを主要なエネルギー関連変数に6つの時系列類似度尺度を適用して同定した。 第2に、選択したプロキシはXGBoostアルゴリズムを用いて15日間の予測を生成し、エネルギーセキュリティダイナミクスの高周波モニタリングを可能にする。 モデルは強い性能を示し、Rはトレーニングセットが0.981、テストセットが0.945、許容されるエラーメトリクスが0.945である。 ブレント体積の15日間の予測は,4日目のピーク,8日目の減少,10日目の上昇,15日目への下降傾向,予測間隔を伴い,時系列類似度を機械学習による予測と統合することにより,低周波マクロ経済指標を高周波で実行可能な信号に変換する新しい枠組みを提供する。 このアプローチはエネルギーセキュリティ指数のリアルタイムモニタリングを可能にし、特にデータ不足環境において、急速に変化する政策や市場状況に迅速に対応するための、政策立案者やアナリストにスケーラブルで実用的なツールを提供する。

関連論文リスト

• Improving S&P 500 Volatility Forecasting through Regime-Switching Methods [0.0]
  我々は,S&P500のボラティリティの予測を改善するために,多種多様な制度変更手法を提案する。 予測精度を高めるため、歴史的ダイナミクスと先進的な市場感情の両方を捉える機能を開発した。
  論文  参考訳（メタデータ） (2025-09-21T19:40:47Z)
• Time Is a Feature: Exploiting Temporal Dynamics in Diffusion Language Models [57.474294329887236]
  拡散大言語モデル (dLLMs) は反復的 denoising を通じてテキストを生成する。 現在のデコード戦略は、最終的な出力に有利なリッチな中間予測を捨てている。 時間的整合性を利用する2つの相補的手法を導入する。
  論文  参考訳（メタデータ） (2025-08-12T17:59:57Z)
• Geometric-Mean Policy Optimization [117.05113769757172]
  グループ相対政策最適化(GRPO)は,大規模言語モデルの推論能力を大幅に向上させた。 GRPOは、不利な重要度重み付けされた報酬を持つトークンに直面すると、不安定なポリシー更新に悩まされる。 本稿では,GRPOの安定性を向上させるために,トークン報酬の出力を抑えることにより,GMPO(Geometric-Mean Policy Optimization)を提案する。
  論文  参考訳（メタデータ） (2025-07-28T09:54:05Z)
• Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity Prices [0.0]
  本研究は、ドイツの日内取引で取引された電力価格のベイズ予測を初めて示したものである。 ターゲット変数はIDFull価格指数であり、予測は後続の予測分布として与えられる。 絶対誤差で平均5.9,%の減少を含む点測度と確率スコアの大幅な改善を観察する。
  論文  参考訳（メタデータ） (2024-03-08T16:51:27Z)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• 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。