本研究は、外生変数を用いた多変量時系列予測における反実仮想的説明（CE）の生成に焦点を当てています。近年、機械学習が様々な分野で広く利用される中、特に時系列データの分析には深い関心が寄せられています。しかし、多くの機械学習モデルはブラックボックス的な性質を持ち、解釈可能性が重要な課題です。本研究では、外生変数が頻繁に関与するビジネスやマーケティングの文脈において、時系列予測に対するCEを生成するための手法を提案する。また、各変数が時系列全体に与える影響を分析し、特定の変数のみを変更することでCEを生成し、これらのCEの質を評価する方法を示します。理論的分析と実証実験を通じて提案手法の正確性と実用性を検証し、時系列データを利用した実世界の意思決定をサポートすることを目指しています。