ロバストな調整による階層的時系列予測

本論文は、階層的な時系列データの予測に焦点を当てており、上位の観測値がそれに対応する下位の時系列の合計と等しくなることを前提としています。このような場合、予測値の一貫性が求められ、親系列の予測値が子系列の予測値の合計に正確に一致する必要があります。従来の方法では、各系列の基本予測を独立に生成し、その後調整手続きを適用して一貫性を持たせていました。しかし、真の共分散行列は未知であり、有限サンプルから推定する必要があります。この推定の不確実性が予測性能を損なう可能性があります。これに対処するために、本研究では階層的調整において推定共分散行列の不確実性を考慮したロバスト最適化フレームワークを提案します。提案した方法は、数値実験において従来の階層的予測手法よりも優れた予測性能を示し、不確実性を調整プロセスに統合する有効性を確認しています。