論文の概要: Adaptive Conformal Inference Under Delayed Feedback: Coverage Guarantees and a Delay-to-Memory Diagnostic
- arxiv url: http://arxiv.org/abs/2609.07251v1
- Date: Mon, 07 Sep 2026 09:10:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 01:01:02.483367
- Title: Adaptive Conformal Inference Under Delayed Feedback: Coverage Guarantees and a Delay-to-Memory Diagnostic
- Title（参考訳）: 遅延フィードバックによる適応的コンフォーマル推論:カバレッジ保証と遅延メモリ診断
- Abstract要約: 遅延の影響が残留過程の持続性にどのように依存するかを考察する。
その結果,過去の残余情報が関連している時間スケールに対して,予測遅延の効果が最もよく理解されていることがわかった。
- 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: Adaptive Conformal Inference (ACI) extends conformal prediction to non-exchangeable settings by adjusting the nominal miscoverage level online in response to recent coverage errors. When forecasts are issued with horizon $τ$, however, the outcome needed to evaluate a prediction is observed only $τ$ steps later, so these adaptive updates must rely on delayed feedback. We study this setting and ask how the effect of delay depends on the persistence of the residual process. First, we show that the $τ$-delayed ACI recursion can be decomposed into $τ$ interleaved ACI-like sequences. This representation yields a finite-sample bound on long-run empirical coverage with explicit dependence on $τ$. We also derive an approximate marginal coverage bound that relates coverage deviation to changes in the underlying environment across the forecast horizon and to the adaptation rate $γ$. We then introduce the delay-to-memory ratio $r=τ/L$, where $L$ is the time scale over which the temporal signal driving non-exchangeability decays. Simulation results show that the usefulness of this ratio depends on the form of temporal dependence: it strongly organizes performance under AR(1) dependence, is less predictive of overall performance under GARCH(1,1) and Markov switching, but more clearly characterizes when scale normalization remains useful in those settings. Abrupt mean- and variance-shift experiments further show that the preferred adaptation rate depends on the residual dynamics. Overall, the results show that the effect of forecast delay is best understood relative to the time scale over which past residual information remains relevant.
- Abstract（参考訳）: アダプティブ・コンフォーマル推論(Adaptive Conformal Inference, ACI)は、最近のカバレッジエラーに対応して、オンラインで名目上の誤発見レベルを調整することで、コンフォーマル予測を変更不可能な設定に拡張する。
しかし、地平線$τ$で予測が発行されると、予測を評価するのに必要な結果は、後に$τ$ステップでしか観測されないため、これらの適応的な更新は遅延したフィードバックに依存する必要がある。
この設定について検討し、遅延の影響が残留過程の持続性にどのように依存するかを問う。
まず、$τ$遅延ACI再帰を$τ$インターリーブACI様配列に分解できることを示す。
この表現は、$τ$に明示的に依存した長期経験的カバレッジに有限サンプル境界を与える。
また, 予測地平線を横切る環境変化と, 適応率$γ$について, 範囲の偏差を近似した範囲境界を導出する。
次に、遅延-メモリ比$r=τ/L$を導入する。
GARCH(1,1) と Markov の切り替えによる全体的な性能の予測は少ないが,これらの設定ではスケール正規化が有用である場合には,より明確に特徴付けられる。
急激な平均および分散シフトの実験は、適応速度が残留力学に依存することをさらに示している。
その結果,過去の残余情報が関連している時間スケールに対して,予測遅延の効果が最もよく理解されていることがわかった。
関連論文リスト
- RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。
本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。
累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
論文 参考訳（メタデータ） (2026-06-23T02:11:04Z) - Capacity-Constrained Online Convex Optimization with Delayed Feedback [58.59385794080679]
容量制約下での遅延オンライン凸最適化(OCO)について検討した。
1次フィードバックの場合、容量$C = (log T)$ sufficesで標準遅延OCOレートを対数係数まで回復できることがわかった。
包帯フィードバックの場合、後悔率は$(1 + _textmax/C)$で変調される。
論文 参考訳（メタデータ） (2026-06-10T06:37:06Z) - Bandit Convex Optimization with Gradient Prediction Adaptivity [56.816177049016794]
本研究では, 楽観的な勾配予測が, 最悪の後悔の保証を予測順応的に改善できるかどうかを考察する。
鍵となるアイデアは、分散が勾配ノルムではなく予測誤差でスケールする、新しい分散還元勾配推定器である。
我々は、$(sqrtmathbbE[S_T])$としてスケールする情報理論の下限を確立し、最も達成可能な予測適応的後悔の基本的な特徴を提供する。
論文 参考訳（メタデータ） (2026-05-21T08:57:38Z) - XGBoost Forecasting of NEPSE Index Log Returns with Walk Forward Validation [1.2347259751353263]
本研究では,XGBoost回帰器を用いたネパール証券取引所(NEPSE)指数の1段階回帰予測のための頑健な機械学習フレームワークを開発した。
ログリターン(最大30日)と確立された技術指標を含む、包括的な機能セットが設計されている。
実験の結果、最適な構成、20のラグを持つ拡張ウィンドウは、ARIMAとRookの回帰ベンチマークより優れていた。
論文 参考訳（メタデータ） (2026-01-13T15:22:08Z) - SGD with Dependent Data: Optimal Estimation, Regret, and Inference [3.038061705362137]
勾配降下 (SGD) は, 広範囲の段階的スケジュールと探索率スキームの下で, 独立情報と依存情報の両方に対応できることが示されている。
SGDは統計的に最適な推定誤差と後悔を同時に達成し,既存の結果を拡張し,改善することを示す。
オンラインのスパースレグレッションのために、我々はSGDベースの新しいアルゴリズムを開発し、ストレージの$d$のみを使用し、1イテレーションあたり$O(d)$フロップを必要とする。
論文 参考訳（メタデータ） (2026-01-04T04:52:11Z) - Contrastive Time Series Forecasting with Anomalies [3.4598718746610593]
時系列予測は過去のデータから将来の値を予測する。
一部の異常事象は持続的な影響があり、予測に影響を与えるが、他の事象は短命であり無視されるべきである。
Co-TSFA(Contrastive Time Series Forecasting with Anomalies)は,異常を無視するタイミングと応答するタイミングを学習する正規化フレームワークである。
論文 参考訳（メタデータ） (2025-12-12T12:54:24Z) - Monitoring State Transitions in Markovian Systems with Sampling Cost [65.4151496405543]
自然なアプローチは、予想される予測損失がクエリコスト以下で、クエリがなければいつ発生するかを予測する、欲張りのポリシーである。
最適(OPT)戦略は状態依存のしきい値ポリシである。
遷移確率が未知の場合、我々は、グレディポリシーの予測勾配降下(PSGD)に基づく学習変種を提案する。
論文 参考訳（メタデータ） (2025-10-25T15:07:37Z) - Non-Asymptotic Analysis of Efficiency in Conformalized Regression [17.873283539065387]
我々は,SGDを用いてトレーニングされた共形量子化および中央値回帰のためのオラクル間隔長からの予測セット長のずれに関する非漸近的境界を確立する。
その結果, 収束速度の位相遷移を$alpha$の異なる規則で同定し, 余剰予測セット長を制御するためにデータを割り当てるためのガイダンスを提供する。
論文 参考訳（メタデータ） (2025-10-08T14:50:35Z) - Error-quantified Conformal Inference for Time Series [55.11926160774831]
時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。
量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。
ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
論文 参考訳（メタデータ） (2025-02-02T15:02:36Z) - Stochastic Approximation with Delayed Updates: Finite-Time Rates under Markovian Sampling [73.5602474095954]
マルコフサンプリングの遅延更新による近似スキームの非漸近的性能について検討した。
我々の理論的な発見は、幅広いアルゴリズムの遅延の有限時間効果に光を当てた。
論文 参考訳（メタデータ） (2024-02-19T03:08:02Z)
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。