SAGA : Une architecture générative adaptative aux séquences pour la prévision probabiliste multi-horizon avec prédiction conforme temporelle adaptative

Résumé

Les modèles de microsimulation utilisés par les ministères des finances et les banques centrales reposent sur des processus paramétriques pour les revenus de la vie entière qui ne capturent que les premier et second moments de la distribution conditionnelle et omettent la structure non linéaire à long terme. Nous proposons SAGA, un transformeur à décodeur seul pour séquences de panel tabulaires irrégulières, associé à une enveloppe de calibrage conforme divisé qui fournit des intervalles de prédiction individuels avec des garanties de couverture marginale pour échantillon fini. Entraîné sur le registre longitudinal suédois LISA de 1990 à 2022, comprenant 2 143 817 individus et 61 284 903 années-personnes, le modèle prévoit les revenus annuels du travail à des horizons d'un à trente ans et les agrège par Monte Carlo en distributions de revenus actualisés de la vie entière. Par rapport au processus paramétrique canonique de Guvenen, Karahan, Ozkan et Song et aux bases de référence tabulaires et récurrentes, SAGA réduit le score de probabilité continue classée de 31,9 % à l'horizon de dix ans et l'erreur absolue moyenne de 37,7 % à l'horizon de vingt ans. Les intervalles conformes atteignent une couverture nominale à moins de 0,4 point de pourcentage en couverture marginale et à moins de 2,4 points de pourcentage sur le sous-groupe démographique le plus défavorable. Le coefficient de Gini reconstruit des revenus de la vie entière est de 0,327 contre la vérité partiellement observée de 0,341 et l'estimation GKOS de 0,378. Les poids du modèle, les tables de calibrage et un jeu de données synthétique équivalent sont publiés pour réplication en dehors de l'environnement protégé SCB MONA.

English

Microsimulation models used by ministries of finance and central banks rely on parametric processes for lifetime earnings that capture only first and second moments of the conditional distribution and miss long-range nonlinear structure. We propose SAGA, a decoder-only transformer for irregular tabular panel sequences, paired with a split conformal calibration wrapper that delivers individual-level prediction intervals with finite-sample marginal coverage guarantees. Trained on the longitudinal Swedish LISA register over 1990 to 2022, comprising 2,143,817 individuals and 61,284,903 person-years, the model forecasts annual labor earnings at horizons of one to thirty years and aggregates them by Monte Carlo into present-discounted lifetime earnings distributions. Against the canonical Guvenen, Karahan, Ozkan, and Song parametric process and tabular and recurrent baselines, SAGA reduces continuous ranked probability score by 31.9 percent at the ten-year horizon and mean absolute error by 37.7 percent at the twenty-year horizon. Conformal intervals achieve nominal coverage to within 0.4 percentage points marginally and within 2.4 percentage points on the worst-case demographic subgroup. The reconstructed lifetime earnings Gini coefficient is 0.327 against the partially observed truth of 0.341 and the GKOS estimate of 0.378. Model weights, calibration tables, and a synthetic equivalent dataset are released for replication outside the protected SCB MONA environment.