SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction
SAGA：一种序列自适应的生成架构，用于多时间跨度概率预测的自适应时间符合预测
机构 * Department of Economics, Stockholm University（斯德哥尔摩大学经济系） ； Institute of Social Sciences, Faculty of Economics and Administrative Sciences, Süleyman Demirel University（苏莱曼·德米雷尔大学社会科学学院，经济学与行政科学学院）
AI总结 本文提出SAGA，一种用于不规则表格面板序列的解码器-only transformer，结合分割符合校准包装器，提供个体层面的预测区间，并保证有限样本边缘覆盖。SAGA在瑞典LISA登记处的纵向数据上训练，预测了1到30年的年度劳动收入，并通过蒙特卡洛方法汇总成现值寿命收入分布。与传统参数过程和表格和循环基线相比，SAGA在10年时间跨度上将连续排名概率分数减少了31.9%，在20年时间跨度上将平均绝对误差减少了37.7%。符合区间在边缘情况下覆盖率为0.4个百分点，在最差的人口子群体中为2.4个百分点。重建的寿命收入基尼系数为0.327，与部分观测的真实值0.341和GKOS估计值0.378相比。模型权重、校准表和合成等价数据集已发布，供在保护的SCB MONA环境中外的复制使用。
Comments 14 pages, 3 figures, 12 tables, 5 appendices, 45 references. Submitted to IEEE TPAMI. Source code at https://github.com/olaflaitinen/saga (archived: doi:10.5281/zenodo.20260366). Synthetic equivalent dataset: doi:10.5281/zenodo.20260287. Empirical work conducted on the Swedish LISA register via SCB MONA (project SCB-MONA-2026-147); ethical approval Swedish Ethical Review Authority 2026-04127-01
