Probabilistic Forecasting for Day-ahead Electricity Prices, Battery Trading Strategies and the Economic Evaluation of Predictive Accuracy
University of Duisburg-Essen（杜伊斯堡-埃森大学）；Statkraft Trading GmbH（Statkraft交易有限公司）
本文探讨了概率预测在电力价格、电池交易和预测准确性评估中的应用，指出传统量化交易策略的不足，并通过德国电力市场案例研究，揭示了预测模型评估的挑战与改进方向。
2026-04-21 econ.EM q-fin.PM q-fin.ST
Combining Weather Forecast Aggregation and State-Space Models for Adaptive Probabilistic Electricity Load Forecasting
Viking Conseil；MétéoFrance（法国气象局）
本文提出一种结合多气象预报聚合与状态空间模型的自适应概率负荷预测框架，通过GAM和GAMLSS提升不确定性量化，在法国数据上显著优于单一来源方法。
2026-09-16 stat.AP
User-centric interdependent urban systems: using time-of-day electricity usage data to predict morning roadway congestion
城市系统是相互依存的，因为个人的日常活动在一天中的某些时间和地点使用这些城市系统。所有城市系统的使用模式之间可能存在明显的空间和时间相关性。本文探讨了能源使用和道路拥堵之间的这种相关性。我们提出了一个通用的框架来预测拥堵开始时间和拥堵持续时间在上午使用的时间，一天中的用电数据从匿名的家庭没有个人身份信息。我们表明，使用时间的一天中的电力数据从午夜到清晨从322个家庭在奥斯汀市，可以作出可靠的预测的拥堵开始时间的几个高速公路段，在时间早在凌晨2点。该预测器的性能明显优于仅使用早上6点之前的实时旅行时间数据的时间序列预测器。我们发现，10种典型的用电模式中有8种对奥斯汀高速公路的早晨拥堵有统计学显著影响。有些模式会产生负面影响，表现为用电量提前激增，随后急剧下降，这可能意味着提前离开家。另一些则有积极的影响，表现为深夜用电高峰可能意味着深夜活动可能导致清晨离家。
2017-10-23 stat.AP
Probabilistic forecasting of weather-driven faults in electricity networks: a flexible approach for extreme and non-extreme events
School of Mathematics and Statistics, University of Glasgow（格拉斯哥大学数学与统计学院）
本文提出一种灵活的概率方法，用于预测天气驱动的电力网络故障，通过线性插值和广义帕累托分布分别建模非极端和极端事件，提升预测可靠性与实用性。
2026-03-02 stat.AP
Postprocessing of point predictions for probabilistic forecasting of day-ahead electricity prices: The benefits of using isotonic distributional regression
针对现有电价模型多仅提供点预测的问题，本文研究三种点预测转概率预测的后处理方法，发现保序分布回归对集成贡献最大，且集成方法在德西电力市场测试中性能优于前沿分布深度神经网络。
2024-10-06 q-fin.ST stat.AP stat.ML
A Multi-Horizon Quantile Recurrent Forecaster
我们提出了一个一般的概率多步时间序列回归的框架。具体来说，我们利用序列到序列神经网络的表达能力和时间性质（例如，递归和卷积结构），分位数回归的非参数性质和直接多地平线预测的效率。为了提高序列网的稳定性和性能，设计了一种新的训练方案，*forking-sequences*。我们表明，该方法可以同时容纳时间和静态协变量，跨多个相关系列学习，改变季节性，未来计划的事件峰值和现实生活中的大规模预测冷启动。该框架的性能证明在一个应用程序中预测的未来需求的项目在Amazon.com上出售，并在公共概率预测竞争预测电价和负荷。
2018-06-28 stat.ML
Quantile-Frequency Analysis and Spectral Measures for Diagnostic Checks of Time Series With Nonlinear Dynamics
IBM T. J. Watson Research Center（IBM T.J. 沃森研究中心）
本文提出基于分位数周期图的频谱度量，用于检验金融时间序列模型的诊断及基于模型的判别分析，通过模拟研究和S&P 500指数日对数收益率数据验证了方法的有效性。
2025-11-25 q-fin.ST stat.ME
Probabilistic forecasting with a hybrid Factor-QRA approach: Application to electricity trading
本文提出结合分位数回归平均与基于因子平均的混合概率预测方法，在德国EPEX SPOT和波兰TGE电力市场数据上验证了其统计指标优于基准，并通过储能交易策略强调了预测经济评估的必要性。
2024-11-19 q-fin.RM q-fin.ST stat.AP
Quantile deep learning models for multi-step ahead time series prediction
University of New South Wales（新南威尔士大学）
本文提出一种结合分位数回归的深度学习框架用于多步时间序列预测，在比特币、以太坊及基准数据集上验证其在不损失准确率的前提下提升波动性处理和不确定性量化能力。
2024-11-24 cs.AI cs.LG q-fin.ST
Dynamic Quantile Function Models
出于有效地总结，建模和预测日内收益的分布特征的需要，以及最近在符号数据分析领域预测直方图值时间序列的工作，我们开发了一个时间序列模型，用于预测分位数函数值（QF值）每日摘要日内收益。我们称之为动态分位数函数（DQF）模型。代替直方图，我们建议使用$g$ -和- $h$分位数函数来总结日内收益率的分布。我们的工作与贝叶斯制定的DQF模型，以使统计推断，同时占参数的不确定性，一个有效的MCMC算法开发的采样为基础的后验推理。使用10个国际市场指数和每个市场约2，000天的样本外数据，DQF模型的表现优于区间值和直方图值时间序列模型，在预测日内收益率的风险价值方面。此外，我们证明了QF值的预测可以用来预测风险价值的措施，在日常的时间尺度上通过一个简单的分位数回归模型的每日收益率（QR-DQF）。在某些市场中，由此产生的QR-DQF模型能够提供具有竞争力的每日回报的VaR预测。
2021-05-04 q-fin.RM stat.AP stat.ME
Electricity Demand Forecasting with Hybrid Statistical and Machine Learning Algorithms: Case Study of Ukraine
Europa-Universität Flensburg（弗伦斯堡欧洲大学）；Europa-Universität Viadrina（奥得河畔法兰克福欧洲大学）；DLR Institute of Networked Energy Systems（德国航空航天中心联网能源系统研究所）
本文针对乌克兰电力需求预测问题，提出一种融合宏观经济回归、ARIMA、ARMA与LSTM的混合模型，在17520个时间步的样本外预测中达到96.83%的准确率。
2023-04-11 cs.LG stat.AP
Rate of uniform consistency for a class of mode regression on functional stationary ergodic data. Application to electricity consumption
研究了函数平稳遍历数据下一类核条件模估计的渐近性质。为了更精确地在这个问题上，在遍历数据设置，我们考虑一个随机元素$(X, Z)$采取的值在一些半度量抽象空间$E\times F$。对于定义在空间$F$和$x\in E$上的实函数$φ$，我们考虑给定事件$``X=x"$的实随机变量$φ(Z)$的条件模.在估计条件模函数$θ_φ(x)$时，利用核估计，证明了该估计在Vapnik-Chervonenkis函数类$φ$上一致地与速率强相合.请注意，遍历设置提供了一个比通常的混合结构更一般的框架。能源数据的两个应用程序来说明所提出的方法在时间序列预测框架的一些例子。第一个包括预测法国电力需求的{ \it日峰值}（以千兆瓦为单位测量）。而第二个涉及在覆盖峰值需求的一些时间间隔内可能消耗的电{ \it能量}（以千兆瓦每小时测量）的短期预测。
2014-07-08 stat.ME
From electricity prices to profits: multidimensional probabilistic forecasting for BESS trading
organization= Department of Applied Mathematics, Wroc aw University of Science；organization= Department of Operations Research；Business Intelligence, Wroc aw University of Science
该研究针对电价多维概率预测，提出带平均策略的MS方法（MS-ave），经德、西2021-2024年日前市场数据验证，其在预测指标及BESS交易策略支持上均优于其他方法，可支撑BESS的充放电决策与风险管理。
2026-08-28 q-fin.ST stat.AP
Variable Selection in Functional Linear Quantile Regression for Identifying Associations between Daily Patterns of Physical Activity and Cognitive Function
University of South Carolina（南卡罗来纳大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
本文提出了一种灵活的变量选择方法，用于功能线性分位数回归，结合平滑近似分位数损失函数和FPCA与组最小化凹惩罚，以识别身体活动与认知功能之间的动态关联。
2026-03-23 stat.ME
Modelling and forecasting daily electricity load curves: a hybrid approach
我们提出了一种混合的方法建模和短期预测的电力负荷。我们的方法的两个组成部分是（i）通过将广义加法模型拟合到每周平均负荷来模拟整体趋势和季节性，以及（ii）通过曲线线性回归模拟连续每日负荷的依赖结构。对于后者，提出了一种新的方法，线性回归与曲线响应和曲线回归。所提出的方法背后的关键思想是降维的基础上的奇异值分解在希尔伯特空间，这减少了几个普通的（即标量）线性回归问题的曲线回归问题。我们说明的混合方法，使用法国电力负荷在1996年和2009年之间，我们还比较我们的方法与其他可用的模型，包括EDF的操作模型。
2016-11-25 stat.ME
Bootstrap prediction regions for daily curves of electricity demand and price using functional data
本文提出三种基于 bootstrap 的函数型回归预测区域方法，用于电力需求和电价日曲线的提前一天预测，并在西班牙大陆电力市场数据上比较其性能。
2024-01-22 stat.ME
Optimal placement of wind farms via quantile constraint learning
Department of Statistics, University Carlos III of Madrid（统计系，卡洛斯三世大学）；UC3M-BS Institute for Financial Big Data (IFiBiD), University Carlos III of Madrid（UC3M-BS金融大数据研究所（IFiBiD），卡洛斯三世大学）；Department of Wind and Energy Systems, Technical University of Denmark (DTU)（风能与能源系统系，技术大学 of Denmark（DTU））
该研究提出一种基于分位数约束学习的风电场优化选址方法，将带ReLU的概率神经网络重构为混合整数线性约束嵌入两阶段随机优化模型，经西班牙真实数据验证性能优于双线性插值法，可为不同风险偏好投资者的选址决策提供指导。
2025-10-01 cs.LG stat.ML
Quantile regression for longitudinal functional data with application to feed intake of lactating sows
本文研究全天温度对哺乳母猪每日采食量低分位数的影响，提出一种带函数协变量的纵向数据分位数回归模型框架，利用时变系数和样条估计量化关联，并引入自助法进行偏差调整与标准误计算。
2023-04-30 stat.AP stat.ME
Locally sparse estimation for simultaneous functional quantile regression
Department of Statistics and Actuarial Science, Simon Fraser University（统计与精算科学系，西蒙菲莎大学）
本文提出一种局部稀疏的同时函数分位数回归模型，用于分析温度对大豆产量的影响，通过稀疏斜率函数提升模型可解释性，并在模拟和实际数据中验证其有效性。
2026-02-02 stat.ME
Distributional outcome regression via quantile functions and its application to modelling continuously monitored heart rate and physical activity
本文提出基于分位数函数的分布结果回归方法（DORQF），支持标量与分布预测变量并保证联合单调性，通过渐近投影提供统计推断，应用于781名老年人心率与体力活动数据建模，揭示了心率储备的流行病学新见解。
2024-02-14 stat.ME
Interpretable modeling for short- and medium-term electricity load forecasting
我们考虑的问题，短期和中期的电力负荷预测，通过使用过去的负荷和每日的天气预报信息。传统上，许多研究人员直接应用回归分析。然而，解释天气对这些负荷的影响是困难的与现有的方法。在这项研究中，我们建立了一个统计模型，解决这个解释问题。一个基展开的变系数模式被用来捕捉天气效应的非线性结构。当回归系数为非负时，这种方法产生可解释的模型。为了估计非负回归系数，我们采用非负最小二乘法。三个实际数据分析表明，我们提出的统计建模的实用性。其中两个证明了我们所提出的方法具有良好的预测精度和可解释性。在第三个例子中，我们调查了COVID-19对电力负荷的影响。这种解释将有助于制定节能干预和需求响应战略。
2020-07-02 stat.AP stat.ME
Inference for non-stationary time series quantile regression with inequality constraints
针对带不等式约束的非平稳线性分位数回归，本文利用投影几何不变性构造Wald、似然比和基于秩的一致推断方法，并通过模拟与电力需求数据验证其优势。
2024-04-04 stat.ME
Fast calibrated additive quantile regression
我们提出了一种新的框架，用于拟合添加剂分位数回归模型，它提供了良好的校准推断的条件分位数和快速自动估计的平滑参数，模型结构不同的分布GAM，同时保持相同的数值效率和稳定性。所提出的方法在统计上是严格的，在计算上是有效的，因为它们是基于Bissiri et al.（2016）的一般信念更新框架，以基于损失的推理，但通过调整Wood et al.（2016）的稳定拟合方法来计算。我们展示了弹球损失是如何统计次优相对于一个新的平滑概括，这也提供了快速估计方法。此外，我们提供了一种新的校准方法，有效地选择“学习率”平衡损失与平滑先验在推理过程中，从而获得可靠的分位数不确定性估计。我们的工作是出于概率电力负荷预测的应用程序，在这里使用，以证明所提出的方法。这里描述的方法由qgam R包实现，该包可在Comprehensive R Archive Network（CRAN）上获得。
2020-03-12 stat.AP stat.CO stat.ME
Spatial Scalar-on-Function Quantile Regression Model
提出含空间滞后项的空间标量对函数分位数回归模型，并用工具变量法稳健估计，模拟与环境数据验证了其预测、稳健性和可解释性优势。
2025-10-18 stat.ME
Generalized random forest for extreme quantile regression
本文提出一种结合极值理论与广义随机森林的极端分位数回归方法，用协变量相关参数近似块最大值条件分布，并在模拟和气象数据上验证其有效性。
2025-08-20 stat.ME
Nonparametric quantile regression for spatio-temporal processes
本文提出一种适用于时空超高维数据的非参数分位数回归方法，克服计算挑战，并建立统计推断理论，通过模拟和电力需求数据验证其性能。
2024-05-24 math.ST stat.ME stat.TH
Hydrological post-processing for predicting extreme quantiles
利用分位数回归算法进行水文后处理是评估水文预报不确定性的主要手段。尽管如此，传统的大样本理论的分位数回归不适用于足够远的尾部的概率分布的因变量。为了克服这一局限性，可能是至关重要的，当利益在于洪水事件，水文后处理，通过极值分位数回归在这里介绍了水文模型的响应估计的极端分位数。总之，新的水文后处理方法利用极值理论的Hill估计量的性质来外推分位数回归的预测到高分位数。作为一个概念的证明，新方法在这里进行测试，在处理后的每日径流模拟提供了三个基于过程的水文模型为180个流域在美国（CONUS），并进一步比较传统的分位数回归。通过这种大规模的比较，证明了与使用极值分位数回归的水文后处理相比，使用传统分位数回归的水文后处理严重低估了高分位数（在分位数水平0.9999），尽管这两种方法在较低分位数（在分位数水平0.9700）是等效的。此外，研究表明，在相同的背景下，极端分位数回归估计高预测分位数的效率平均而言在三个基于过程的水文模型的大样本研究中是等效的。
2023-01-11 physics.ao-ph stat.ME
Flexible Specification Testing in Quantile Regression Models
本文提出了三种新的分位数回归模型的一致性规格检验方法，从三个方面推广了以往的检验方法。首先，我们允许协变量效应是分位数依赖的和非线性的。其次，我们允许通过适当的基函数参数化条件分位数函数，而不是参数化。因此，我们能够测试超出线性的函数形式，同时保留线性效应作为特殊情况。在这两种情况下，诱导类的条件分布函数进行了测试与Cramér-von Mises型检验统计量，我们推导出的理论极限分布，并提出了一个自助法。第三，为了增加检验的功效，我们进一步提出了一种改进的检验统计量。我们强调我们的测试在详细的MC研究和两个真实数据的例子的优点。我们对德国条件收入分配的第一次应用表明，在以年龄和年份为条件时，不仅东西方之间仍然存在显著差异，而且条件收入分配的分位数之间也存在显著差异。从澳大利亚国家电力市场的数据的第二个应用程序揭示了使用交互作用的重要性，建模的高度倾斜和重尾分布的能源价格条件的一天，一天中的时间和需求。
2021-12-05 math.ST stat.ME stat.TH
INLA goes extreme: Bayesian tail regression for the estimation of high spatio-temporal quantiles
这项工作的动机是2017年极值分析会议（EVA 2017）的挑战，其目标是预测观测和未观测地点每个月$99.8\%$水平的日降水分位数。我们在这里开发了一个贝叶斯广义加法建模框架，用于估计在空间和时间上观察到的边际极值的复杂趋势。我们的方法是基于一组回归方程的关联概率高于一个高的阈值和过量的大小，后者被建模使用广义帕累托（GP）分布建议的极值理论。使用高斯过程先验对潜在随机效应进行加性和半参数建模，这提供了高度的灵活性和可解释性。由于集成嵌套拉普拉斯近似（INLA）在R-INLA软件中有效实现，可以快速准确地估计后验分布，我们还使用该软件基于分布主体的模型确定非平稳阈值。我们表明，GP分布满足理论要求的INLA，然后我们开发了一个惩罚的复杂性先验规范的尾部指数，这是一个重要的参数外推尾事件概率。这种先验将质量集中在接近轻指数尾部的地方，同时通过惩罚到指数分布的距离来允许较重的尾部。我们通过EVA 2017挑战提供的每日降水数据的空间和季节趋势建模来说明这种方法。利用R-INLA的快速计算能力和大型分布式计算资源，我们进行了广泛的交叉验证研究，以选择控制趋势平滑度的模型参数。我们的结果优于简单的基准测试，并与最佳评分方法相媲美。
2018-02-04 stat.ME
Enhancing reliability in prediction intervals using point forecasters: Heteroscedastic Quantile Regression and Width-Adaptive Conformal Inference
Universidad Politécnica de Madrid（马德里理工大学）；Escuela Técnica Superior de Ingenieros Industriales（高等工业工程学院）；Laboratorio de Estadística（统计实验室）
针对时间序列预测区间构建难题，提出结合异方差分位数回归与宽度自适应共形推断的方法，兼顾理论覆盖率与宽度自适应，经合成及真实电价数据验证，在有效性、效率及实用性上表现优异。
2025-01-17 cs.LG stat.ME stat.ML
Analyzing Ozone Concentration by Bayesian Spatio-temporal Quantile Regression
地面臭氧是六种常见的空气污染物之一，美国环保署已经制定了国家空气质量标准。为了捕捉美国1小时和8小时平均臭氧浓度的时空变化趋势，我们发展了一种时空同步分位数回归方法。与现有的程序不同，在所提出的方法中，平滑的网站被纳入建模假设，从而允许跨位置的信息，当在每个位置的样本的数量是低的，一个重要的步骤借款。分位数函数被假定为在时间上是线性的，在空间上是平滑的，并且在任何给定的位置由两个单调递增函数$ξ_1$和$ξ_2$的凸组合给出，而不依赖于时间。一个B-样条基扩展与增加的系数在空间上平滑变化的是用来把先验和贝叶斯分析进行。利用该方法对美国和加利福尼亚州2006-2015年臭氧日平均1小时最大值和8小时最大值浓度水平数据进行了分析。值得注意的是，在过去十年中，美国大部分地区的1小时最高和8小时最高臭氧浓度水平总体呈下降趋势。在加利福尼亚州，1小时最高臭氧水平的整体趋势是下降的，而8小时最高臭氧水平的整体趋势则没有观察到。
2016-12-05 stat.ME
Convolution-smoothing based locally sparse estimation for functional quantile regression
本文提出基于卷积平滑的局部稀疏估计方法，用于函数分位数回归，解决稀疏性和计算挑战，提高模型可解释性。
2025-12-01 stat.ME
Daily peak electrical load forecasting with a multi-resolution approach
CELESTE, Inria Saclay（法国国家信息与自动化研究所萨克雷研究中心，CELESTE）；School of Mathematics, University of Bristol（布里斯托大学数学学院）；EDF Lab（法国电力集团研究院）
在智能电网和负载均衡的背景下，每日峰值负载预测已成为能源行业利益相关者的关键活动。了解峰值大小和时间对于实施智能电网策略（如调峰）至关重要。本文提出的建模方法利用高分辨率和低分辨率信息来预测每日高峰需求的大小和时间。由此产生的多分辨率建模框架可以适应不同的模型类。本文的主要贡献是：a）一般和正式介绍的多分辨率建模方法，b）在不同的分辨率通过广义加性模型和神经网络和c）从英国电力市场的真实数据的实验结果实现的建模方法的讨论。结果证实，所提出的建模方法的预测性能是有竞争力的低和高分辨率的替代品。
2021-12-08 cs.LG stat.ME
