Online Multivariate Regularized Distributional Regression for High-dimensional Probabilistic Electricity Price Forecasting
创建于 更新于
摘要
本文提出了一种在线多变量正则化分布回归算法，能够高效建模德国日前电力价格的24小时联合概率分布。该方法结合了多变量分布回归与坐标下降和LASSO正则化，实现了高维协变量空间下的可扩展估计。实证研究表明，考虑价格的依赖结构显著提升了预测的校准度和准确性。同时，本文详细分析了在线与批量估计间的计算成本与预测性能权衡，并提供了高性能Python实现（ondil包）。该研究首次系统地实现了多变量概率电价预测的在线学习框架，具有重要的理论和实际应用价值。[page::0][page::1][page::3][page::15][page::33]
