ProbRes：概率時間序列預測的波動率學習方法

研究論文提出了一種名為 ProbRes 的事後概率校準方法，專門針對概率時間序列預測中的波動率學習。在金融領域，概率預測對於量化未來觀測值的風險和不確定性至關重要，而 ProbRes 能夠顯式學習並整合波動率動態，以有效處理異方差數據。在訓練階段，ProbRes 使用兩個架構無關的模塊，分別建模條件均值和條件波動率。進入推理階段時，它通過重採樣標準化殘差來生成預測分佈。這種方法適用於單變量和多變量時間序列，並且在多種誤差分佈下保持穩健，包括具有條件異方差性的非高斯創新情況。論文中的理論結果驗證了 ProbRes 的有效性，而合成數據集和真實世界數據集的實驗顯示，ProbRes 能夠準確捕捉預測分佈，並產生校準良好的預測區間，為時間序列預測提供了更可靠的工具。