Transportation Marketplace Rate Forecast Using Signature Transform

要約

貨物輸送市場の料金は、通常、正確に予測することが困難です。
この研究では、シグネチャ変換に基づく新しい統計手法を開発し、これらの市場レートを予測するための予測適応モデルを構築しました。
私たちの手法は、シグネチャ変換の 2 つの重要な要素に基づいています。1 つは、特徴空間を線形化し、予測問題を線形回帰に変換する普遍的な非線形特性であり、もう 1 つは、計算効率よく類似性を比較できるシグネチャ カーネルです。
時系列データ間。
これらを組み合わせることで、効率的な特徴生成と、予測プロセスにおける季節性とレジーム切り替えの正確な特定が可能になります。
当社の技術に基づくアルゴリズムは、Amazon のトラック輸送業務に導入されており、新型コロナウイルス感染症のパンデミックやウクライナ紛争の最中でも、市販の業界モデルと比較してはるかに優れた予測精度とより優れた解釈可能性を備えています。
さらに、当社の技術は景気循環の影響と市場の異質性を捉えることができ、予測精度が 5 倍以上向上し、推定年間 $5,000 万の節約効果が得られます。

要約(オリジナル)

Freight transportation marketplace rates are typically challenging to forecast accurately. In this work, we have developed a novel statistical technique based on signature transforms and have built a predictive and adaptive model to forecast these marketplace rates. Our technique is based on two key elements of the signature transform: one being its universal nonlinearity property, which linearizes the feature space and hence translates the forecasting problem into linear regression, and the other being the signature kernel, which allows for comparing computationally efficiently similarities between time series data. Combined, it allows for efficient feature generation and precise identification of seasonality and regime switching in the forecasting process. An algorithm based on our technique has been deployed by Amazon trucking operations, with far superior forecast accuracy and better interpretability versus commercially available industry models, even during the COVID-19 pandemic and the Ukraine conflict. Furthermore, our technique is able to capture the influence of business cycles and the heterogeneity of the marketplace, improving prediction accuracy by more than fivefold, with an estimated annualized saving of \$50MM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google