研究人员开发了一种用于多变量分布回归的在线算法，用于预测电力价格，解决了日前价格中未被充分研究的多变量性质。该方法有效地建模条件均值、方差和依赖结构，利用在线坐标下降和LASSO型正则化来提高在高维协变量空间中的可扩展性。对德国日前市场数据的案例研究表明，该方法能够产生可解释且校准良好的联合预测区间，并且在ondil包中提供了开源Python实现。 AI
影响 为高维时间序列预测提供了一种新颖的统计方法，有望改善市场预测。
排序理由 关于具有开源实现的统计预测方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2504.02518v3 Announce Type: replace Abstract: Probabilistic electricity price forecasting (PEPF) is vital for short-term electricity markets, yet the multivariate nature of day-ahead prices - spanning 24 consecutive hours - remains underexplored. At the same time, real-time…