SDGF: Statische und dynamische Korrelationen vereint für Zeitreihenprognosen
In der multivariaten Zeitreihenprognose sind die Beziehungen zwischen den einzelnen Serien entscheidend, doch sie zeigen oft komplexe, sich verändernde Muster über verschiedene Zeitskalen hinweg. Traditionelle Verfahren können diese mehrschichtigen Abhängigkeiten nur begrenzt erfassen, was die Genauigkeit der Vorhersagen beeinträchtigt.
