Prognozowanie probabilistyczne z wykorzystaniem LASSO i QRA   
[Probabilistic forecasting using LASSO and QRA]

Bartosz Uniejewski 
Katedra Badań Operacyjnych i Inteligencji Biznesowej, PWr, Wrocław

Uśrednianie prognoz przy użyciu regresji kwantylowej (tzw. Quantile Regression Averaging, 
QRA) wzbudziło zainteresowanie społeczności zajmującej się prognozowaniem po sukcesie w 
Global Energy Forecasting Competition 2014, w którym dwa najlepsze zespoły w kategorii 
"prognozowanie cen" zastosowały warianty QRA. Jednak najnowsze badania dowodzą, że metoda 
ta nie jest odporna na prognozy niskiej jakości a także na zbyt duży zestaw regresorów. Aby 
rozwiązać ten problem, proponujemy regularyzowany wariant QRA, który wykorzystuje operator 
LASSO do automatycznego wyboru odpowiednich regresorów. Aby sprawdzić skuteczność nowej 
metody używamy danych z polskiego i skandynawskiego rynku energii elektrycznej, zbioru 
25-punktowych prognoz uzyskanych dla okien kalibracji o różnych długościach oraz 20 różnych 
wartości parametru regularyzacji. Dzięki porównaniu z podobnymi metodami istniejącymi w 
literaturze pokazujemy, że zaproponowana metoda pozwala osiągnąć dokładniejsze i bardziej 
wiarygodne prognozy probabilistyczne. 


Na podstawie: B. Uniejewski, R. Weron (2020) Regularized Quantile Regression Averaging for 
probabilistic electricity price forecasting, Energy Economics, submitted. Working paper 
version available from RePEc: https://ideas.repec.org/p/wuu/wpaper/hsc1904.html