本論文では、未知の分布シフトが時間経過とともに発生するオンライン時系列予測に関する新しい理論的枠組み「TOT（Theoretical framework for Online Time-series forecasting）」を提案しています。具体的には、潜在変数を使用することでベイズリスクが収束することを証明し、潜在変数の識別がより明確になるにつれてその利点が増加することを示します。さらに、隣接観測値を最小限にして潜在変数を特定するための方法も提案しています。この理論に基づいて、観測変数の分布を一致させるための時間デコーダーと、潜在変数の因果推論をモデル化するための二つの独立ノイズ推定器を用いたモデル非依存的な設計図を策定しました。合成データによる実験結果は理論的主張を支持し、いくつかの基準に基づくプラグイン実装は実世界のアプリケーションにおいて一般的な改善を示しています。