論文の概要: The Hidden Look-Ahead: Point-in-Time Leakage in Electricity Market Data
- arxiv url: http://arxiv.org/abs/2610.25389v1
- Date: Sun, 18 Oct 2026 16:40:12 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:22:15.019759
- Title: The Hidden Look-Ahead: Point-in-Time Leakage in Electricity Market Data
- Title（参考訳）: 隠れたルックアヘッド:電力市場におけるポイント・イン・タイムの漏洩
- Abstract要約: 商用アーカイブから天気予報のタイミング落とし穴を3つ特定する。
天気予報は天気モデルの発行時間によってラベル付けされるが、数時間後に利用可能となり、発行後も変化し続ける。
選択した"ゲート前に発行される最新のラン"は、デリバリの99%以上で、まだゲートで発行されていないランを選択します。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Empirical studies of electricity prices routinely state that their models use only information available at the time of the trading decision. For weather-driven forecasts drawn from commercial archives, this condition is harder to meet than it appears, and whether it holds can change over time. We identify three timing pitfalls. A forecast run is labelled by the issue time of its weather model, but becomes available hours later and keeps changing after publication. Auction gates follow local clock time, while archives use UTC. Outturn series are revised after publication without earlier values being kept. Using the timestamps of 128,656 forecast runs from ten weather-model configurations, matched to the day-ahead and first intraday auction gates in Great Britain over 2022-2026, we find that selecting "the latest run issued before the gate" picks a run not yet published at the gate on more than 99% of delivery days for six of the ten configurations at one of the two gates. For GFS at the day-ahead gate, the share is 0.6% in winter and 99.8% in summer. The exposure also shifts as publication delays drift, and an action margin of a few minutes can cost a full six-hour forecast cycle. The wrongly selected inputs differ materially from those available at the gate, but their apparent accuracy gain ranges from -9% to +24% across variables, models, gates and seasons, so its effect cannot be assumed and must be measured. We argue that point-in-time correctness is a dynamic property of the data pipeline, and propose a protocol that audits it from timestamps before any model is fitted.
- Abstract（参考訳）: 電気価格に関する実証的研究は、そのモデルが取引決定時に利用可能な情報のみを使用する、といつも述べている。
商業アーカイブから得られた天気予報では、この条件は見かけよりも満たされにくく、時間が経つにつれて変化する可能性がある。
タイミングの落とし穴が3つあります。
天気予報は天気モデルの発行時間によってラベル付けされるが、数時間後に利用可能となり、発行後も変化し続ける。
オークションゲートはローカルクロック時間に従っており、アーカイブはUTCを使用している。
アウトターンシリーズは、以前の値を残さずに、出版後に改訂される。
2022～2026年の間、イギリス初の日中オークション・ゲートと一致した10の気象モデル構成から128,656回のタイムスタンプを用いて、「ゲート前に発行された最新のラン」を選択すると、この2つのゲートのうちの6つの構成のうち、99%以上がまだゲートで発行されていないランを選択する。
日頭ゲートでのGFSのシェアは冬は0.6%、夏は99.8%である。
公開が遅れるにつれて露出も変化し、数分間のアクションマージンは6時間の完全な予測サイクルに費やされる。
間違った選択された入力はゲートで利用可能な入力と大きく異なるが、その明らかな精度は変数、モデル、ゲート、季節によって-9%から+24%の範囲に及んでいるため、その効果は推定できず、測定されなければならない。
我々は、ポイント・イン・タイムの正確性はデータパイプラインの動的特性であり、任意のモデルが適合する前にタイムスタンプからそれを監査するプロトコルを提案する。
関連論文リスト
- Validated Data Onboarding for AI Demand Forecasting on U.S. Building Meter Data: Design, Controlled Evaluation, and a Corrected Negative Result [0.0]
本報告では,モデルがトレーニングされる前に欠陥を検出し,修復するデータオンボーディングパイプラインを提案する。
制御された実験は、パイプラインが24時間前の予測を保護するかどうかを測定する。
すべての数値は、SHA-256検証、84の自動テスト、継続的インテグレーションによるピン付き公開入力から再現可能である。
論文 参考訳（メタデータ） (2026-10-01T19:23:37Z) - Bend the Clock: Predicting Ahead to Beat Latency in Event-Based Object Detection [2.6812215263618473]
イベントカメラは高速ロボットシステムの低遅延知覚を約束する。
しかし、現代の事象検知器は予測が利用可能になる前に数ミリ秒の計算を必要とする。
我々はChronoFuseを紹介した。ChronoFuseは因果的アベイラビリティー時間検出器で、その出力がいつ利用可能になったかを予測する。
論文 参考訳（メタデータ） (2026-09-22T18:15:23Z) - From Recoverability to Functional Use: Auditing Temporal Reports in Time-Series Forecasting [10.481986290704821]
正確な予測は時間的使用を正さないことを示す。
レポート制御ルーティングは、予測精度において観測された損失を伴わずに、レポート制御アライメントを大幅に改善する。
論文 参考訳（メタデータ） (2026-08-11T03:30:36Z) - A Nationwide Benchmark for Wildfire Initial Attack Failure Prediction with Public Environmental Data [62.031815260604056]
我々は, 火災発見時に利用可能な環境および状況データから, 初期攻撃(IA)障害予測のための米国初の全国規模のベンチマークを提示する。
WILDFIREIAは、自然発生のFPA-FODの山火事を、FIRMS/VIIRS熱検出、グリッドMET気象および消火器変数、LANDFIRE植生、燃料、地形とともに38,128回調整した。
その結果,IA故障予測には,公共の発見時データが有用だが不完全な信号を提供することがわかった。
論文 参考訳（メタデータ） (2026-06-14T01:03:13Z) - Time-Aware Prior Fitted Networks for Zero-Shot Forecasting with Exogenous Variables [59.37476887007663]
我々は、(PFNとは違って)時間認識の事前データ適合型ネットワーク(PFN)であるApolloPFNを開発した。
i) PFNが時系列に適用されたときに発生する障害モードを解決するために調整された合成データ生成手順,(ii)時系列コンテキストを利用するのに必要な帰納的バイアスを埋め込んだ時間アウェアなアーキテクチャ修正。
論文 参考訳（メタデータ） (2026-03-16T18:33:23Z) - Benchmarking State Space Models, Transformers, and Recurrent Networks for US Grid Forecasting [7.704162341156194]
本稿では,電力グリッド予測のための5つの最新のニューラルネットワークアーキテクチャのベンチマークを示す。
我々は、これらのモデルについて、24時間から168時間の間、アメリカの6つの電力網で時間ごとの電力需要に基づいて評価した。
結果から,全ての状況に最適なモデルが存在しないことが明らかとなった。
論文 参考訳（メタデータ） (2026-02-24T22:42:39Z) - Sundial: A Family of Highly Capable Time Series Foundation Models [47.27032162475962]
Sundialはネイティブでフレキシブルでスケーラブルな時系列基盤モデルのファミリーです。
我々のモデルは、事前の分布を指定せずに事前訓練されており、複数の確率予測を生成することができる。
Sundialは、ジャスト・イン・タイムの推論速度で、ポイントと確率予測ベンチマークの両方で最先端の結果を達成する。
論文 参考訳（メタデータ） (2025-02-02T14:52:50Z) - Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳（メタデータ） (2024-08-08T06:47:21Z) - GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。
全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。
我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-12-24T18:15:39Z) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳（メタデータ） (2021-09-14T18:50:38Z)
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。