SAGA: Een Sequentie-Adaptieve Generatieve Architectuur voor Multi-Horizon Probabilistische Voorspelling met Adaptieve Temporele Conforme Voorspelling

Samenvatting

Microsimulatiemodellen die door ministeries van Financiën en centrale banken worden gebruikt, vertrouwen op paramethische processen voor levenslange inkomens die alleen de eerste en tweede momenten van de conditionele verdeling vastleggen en niet-lineaire structuur op lange termijn missen. Wij stellen SAGA voor, een decoder-only transformer voor onregelmatige tabellaire panelsequenties, gekoppeld aan een split conformal calibratiewrapper die individuele voorspellingsintervallen oplevert met marginale dekkingsgaranties voor eindige steekproeven. Het model is getraind op het longitudinale Zweedse LISA-register van 1990 tot 2022, met 2.143.817 individuen en 61.284.903 persoonsjaren, en voorspelt jaarlijkse arbeidsinkomens op termijnen van één tot dertig jaar, die via Monte Carlo worden geaggregeerd tot contant gemaakte verdelingen van levenslange inkomens. In vergelijking met het canonieke paramethische proces van Guvenen, Karahan, Ozkan en Song en met tabellaire en recurrente basislijnen, vermindert SAGA de continue gerangschikte waarschijnlijkheidsscore met 31,9 procent op de tienjaarstermijn en de gemiddelde absolute fout met 37,7 procent op de twintigjaarstermijn. Conforme intervallen bereiken nominale dekking binnen 0,4 procentpunt marginaal en binnen 2,4 procentpunt voor de demografische subgroep met het slechtste resultaat. De gereconstrueerde Gini-coëfficiënt voor levenslange inkomens bedraagt 0,327 tegenover de gedeeltelijk waargenomen werkelijke waarde van 0,341 en de GKOS-schatting van 0,378. Modelgewichten, calibratietabellen en een synthetische equivalente dataset worden vrijgegeven voor replicatie buiten de beschermde SCB MONA-omgeving.

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.