Τι είναι η ποσοστιαία παλινδρόμηση για προβλέψεις με διαστήματα;

Η ποσοστιαία παλινδρόμηση είναι μια μέθοδος παλινδρόμησης που επιτρέπει την εκτίμηση όχι μόνο της μέσης τιμής της μεταβλητής στόχου, αλλά και διαφόρων ποσοστιαίων της κατανομής. Στο πλαίσιο προβλέψεων με διαστήματα (π.χ. σειρές χρόνου), η ποσοστιαία παλινδρόμηση βοηθά στην απόκτηση διαστημικών προβλέψεων που αντικατοπτρίζουν την αβεβαιότητα του μοντέλου.

Αντί να προβλέπει μια μόνο σημειακή τιμή (π.χ. το μέσο), το μοντέλο εκπαιδεύεται για να προβλέπει, για παράδειγμα, το 5ο και το 95ο ποσοστό, σχηματίζοντας ένα διάστημα εμπιστοσύνης 90% για την πρόβλεψη.

Αυτό είναι ιδιαίτερα χρήσιμο για εργασίες όπου είναι σημαντικό να κατανοήσουμε το εύρος των πιθανών τιμών, και όχι μόνο την αναμενόμενη τιμή, π.χ. στις χρηματοοικονομικές ή προβλέψεις ζήτησης.

Παράδειγμα χρήσης ποσοστιαίας παλινδρόμησης με τη βιβλιοθήκη statsmodels στην Python:

import statsmodels.api as sm
import numpy as np

# X - χαρακτηριστικά, y - μεταβλητή στόχος
X = sm.add_constant(X)  # προσθέτουμε μια σταθερά
ποσοστά = [0.05, 0.5, 0.95]
μοντέλα = {}
for q in ποσοστά:
    mod = sm.QuantReg(y, X)
    res = mod.fit(q=q)
    μοντέλα[q] = res

# Τώρα μπορούν να ληφθούν προβλέψεις για διαφορετικά ποσοστά