Exogenous Data in Forecasting: FARM — A New Measure for Relevance Evaluation

要約

タイトル：予測における外因性データ：FARM‐関連度評価のための新しい手法

要約：
– 外因性データの関連度を評価することは、予測アルゴリズムの性能を向上させるための第一歩である。
– 既存の時系列類似性の指標に着想を得て、当研究ではFARM（Forward Aligned Relevance Metric）と呼ばれる新しい手法を提案する。
– FARMは、効率的な方法で時系列を整合させるために、後続のデータポイントの変化を比較する角度測定に依存する前向きな方法を採用している。
– 提案されたアルゴリズムは、局所的指標とグローバル指標を組み合わせて、バランスの取れた関連度評価指標を提供する。
– これにより、外因性データシリーズの重要性の部分的な中間一致も重要な指標として考慮される。
– 最初の検証として、FARMの適用を合成された代表的な信号に適用する。
– 既存のアプローチに比べて最適化された性能を実証するとともに、制約と限界についても議論する。

要約(オリジナル)

Evaluating the relevance of an exogenous data series is the first step in improving the prediction capabilities of a forecast algorithm. Inspired by existing metrics for time series similarity, we introduce a new approach named FARM – Forward Aligned Relevance Metric. Our forward method relies on an angular measure that compares changes in subsequent data points to align time-warped series in an efficient way. The proposed algorithm combines local and global measures to provide a balanced relevance metric. This results in considering also partial, intermediate matches as relevant indicators for exogenous data series significance. As a first validation step, we present the application of our FARM approach to synthetic but representative signals. While demonstrating the improved capabilities with respect to existing approaches, we also discuss existing constraints and limitations of our idea.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI