A convolutional framework for detecting event-driven dynamics in energy price series
检测能源价格序列事件驱动动态的卷积框架AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究单变量时间序列窗口中的动态规则与能源价格事件检测，最明确的领域依据是时间序列分析。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
检测能源价格序列事件驱动动态的卷积框架
- 研究问题
- 如何从单变量时间序列窗口识别异质的事件驱动动态，并用统一学习框架表示价格区间、涨跌幅及斜率变化等规则？
- 方法与思路
- 作者构造卷积神经网络类别，分析其对若干统计规则的精确表示或一致逼近，并推导有限样本误差界与跨规则学习的预言不等式。
- 材料陈述的贡献
- 摘要称模拟中模型随训练样本增加可匹配或超过单统计量分类器，能源价格应用则展示事件窗口与地缘政治、天气事件类别的区分。
- 阅读关注点
- 应核对事件标签来源、窗口和训练测试划分、逼近界的定义域，以及留出期分类是否受数据泄漏或事件解释方式影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要中的事件叙述未独立核验，分类结果也不足以确立事件对价格的因果作用。
原文摘要
This paper develops a general convolutional neural network (CNN) framework for detecting heterogeneous event-driven dynamics in univariate time series windows. We show that the induced CNN class exactly represents classifiers based on range, maximum drawup, maximum drawdown and slope change, and uniformly approximates realised volatility and autoregressive explosiveness on compact domains. We further establish error bounds for representative rules in finite samples and an oracle inequality for learning across them. Simulations show that the proposed model can match or outperform classifiers based on individual statistics as the training sample grows. In an application to six daily energy price series, a hierarchical CNN distinguishes event windows and event families. Applied without retraining to observations withheld after 20 February 2026, the fitted model identifies predominantly geopolitical dynamics in several oil and refined product series around the outbreak of the 2026 Iran war, while distinguishing a contemporaneous natural gas spike associated with weather.