SAGA: 適応的時間的コンフォーマル予測を用いたマルチホライゾン確率予測のためのシーケンス適応型生成アーキテクチャ

要旨

財務省や中央銀行が用いるミクロシミュレーションモデルは、生涯所得に関するパラメトリック過程に依存しており、これは条件付き分布の第一次および第二次モーメントのみを捉え、長距離の非線形構造を見落としている。我々は、不規則な表形式パネル系列向けのデコーダのみのトランスフォーマーであるSAGAを提案するとともに、有限サンプル限界被覆率保証を備えた個人レベルの予測区間を提供する分割コンフォーマルキャリブレーションラッパーを組み合わせる。1990年から2022年にわたるスウェーデンの縦断的LISA登録データ（2,143,817人、61,284,903人年）で訓練された本モデルは、1年から30年の期間における年間労働所得を予測し、モンテカルロ法により現在割引された生涯所得分布に集約する。標準的なGuvenen、Karahan、Ozkan、Songのパラメトリック過程や、表形式およびリカレントのベースラインと比較して、SAGAは10年期間で連続ランク確率スコアを31.9％削減し、20年期間で平均絶対誤差を37.7％削減する。コンフォーマル区間は、限界的には0.4パーセントポイント以内、最悪ケースの人口統計サブグループでは2.4パーセントポイント以内で名目被覆率を達成する。復元された生涯所得のジニ係数は0.327であり、部分的に観測された真値0.341、GKOS推定値0.378と比較される。モデル重み、キャリブレーションテーブル、および合成等価データセットが公開され、保護されたSCB MONA環境外での再現が可能となる。

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.