tsbootstrap: Distribution-Free Uncertainty Quantification and Conformal Prediction for Time Series
创建于 更新于
摘要
本研究介绍 tsbootstrap 提供的面向时间序列的分布无关不确定性量化与自适应校准框架，整合块、残差、筛选、野外重采样等方法，并提供自适应校准器（EnbPI、ACI、NexCP、AgACI）的一体化 API。实证结果显示，在存在依赖的情形下，IID Bootstrap 常显著低估覆盖率，依赖感知方法可显著降低覆盖不足，其中 sieve 在短记忆的线性依赖下最接近名义覆盖率；对于长记忆的 ARFIMA，由于依赖性太强，仍难以达到理想覆盖。该实现具备编译后端加速、流式聚合以控制内存峰值的优点，且以 MIT 许可发布，便于研究与应用落地 [page::1]
