Neue Methode verbessert Konfidenzintervalle bei Zeitreihenvorhersagen

Adaptive Conformal Inference (ACI) liefert verteilungsfreie Vorhersageintervalle mit asymptotischen Abdeckungsgarantien, selbst wenn sich die zugrunde liegende Verteilung ändert. Das Problem: ACI passt lediglich die Quantilschwelle an, verschiebt jedoch nicht den Mittelpunkt des Intervalls. Wenn ein Basisvorhersagemodell nach einer Regimeänderung systematisch verzerrt bleibt, kompensiert ACI, indem es die Intervalle symmetrisch verbreitert – das Ergebnis sind unnötig konservative Bandbreiten.

Die neue Bias‑Corrected ACI (BC‑ACI) ergänzt das klassische ACI um eine Online-Schätzung des Vorhersagebiases mittels exponentiell gewichteter gleitender Mittelwerte. Durch die Korrektur der Nichtkonformitätsscores vor der Quantilberechnung wird das Intervall neu zentriert, sodass die eigentliche Ursache der Fehlkalibrierung – nicht nur ihr Symptom – adressiert wird.

Ein adaptiver Dead‑Zone‑Schwellenwert verhindert, dass Korrekturen vorgenommen werden, wenn der geschätzte Bias nicht signifikant vom Rauschen abweicht. Dadurch bleibt die Leistung bei bereits gut kalibrierten Daten unverändert.

In 688 kontrollierten Experimenten, die zwei Basismodelle, vier synthetische Regimewechsel und drei reale Datensätze umfassten, senkte BC‑ACI die Winkler‑Intervalle um 13 % bis 17 % bei Mittelwert‑ und zusammengesetzten Verteilungsverschiebungen (Wilcoxon‑p < 0.001). Gleichzeitig blieb die Leistung bei stationären Daten nahezu unverändert (Verhältnis 1,002 ×). Eine endliche Stichprobeneinschätzung zeigt, dass die Abdeckungsgarantien bei Fehlern in der Bias‑Schätzung nur sanft abnehmen.