Hierarchical forecasting for aggregated curves with an application to day-ahead electricity price auctions
聚合曲线的层级预测及其在日前电价拍卖中的应用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：摘要以供需曲线的层级预测协调和日前电力市场预测评价为核心，直接对应预测方向。
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
聚合曲线的层级预测及其在日前电价拍卖中的应用
- 研究问题
- 研究如何利用聚合供需曲线内在的层级结构协调预测，并改善德国日前电力拍卖中需求曲线和供给曲线的预测表现。
- 方法与思路
- 作者研究聚合曲线的构造与分解，比较自下而上、自上而下和线性最优协调方法，并提出 aggregated-down 基准方法。
- 材料陈述的贡献
- 摘要称，曲线构造与分解在弱条件下等价，层级协调可改善曲线预测；新基准方法在该设置中倾向于获得更好准确性。
- 阅读关注点
- 应核对等价性所需条件、曲线层级的定义、各协调方法的约束，以及实证预测窗口、评价指标和曲线交点的价格预测。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明具体弱条件或改善幅度，不能推断新方法在其他市场同样占优。
原文摘要
Aggregated curves are common structures in economics and finance, and the most prominent examples are supply and demand curves. In this study, we exploit the fact that all aggregated curves have an intrinsic hierarchical structure, and thus hierarchical reconciliation methods can be used to improve the forecast accuracy. We provide an in-depth theory on how aggregated curves can be constructed or deconstructed, and conclude that these methods are equivalent under weak assumptions. We consider multiple reconciliation methods for aggregated curves, including previously established bottom-up, top-down, and linear optimal reconciliation approaches. We also present a new benchmark reconciliation method called 'aggregated-down' with similar complexity to bottom-up and top-down approaches, but it tends to provide better accuracy in this setup. We conducted an empirical forecasting study on the German day-ahead power auction market by predicting the demand and supply curves, where their equilibrium determines the electricity price for the next day. Our results demonstrate that hierarchical reconciliation methods can be used to improve the forecasting accuracy of aggregated curves.