《Forecasting》：Learning Rare Events: Deep Learning Approaches to Extreme Price Prediction
编辑推荐：
价格尖峰是在电力、金融、商品及加密货币市场中观察到的稀有但具有重大经济意义的事件。其突发性的价格变动幅度、重尾分布特征以及严重的类别不平衡问题，使得传统的时间序列方法难以对其进行有效预测。该系统性文献综述依据系统性综述与荟萃分析优选报告（Preferred R
价格尖峰是在电力、金融、商品及加密货币市场中观察到的稀有但具有重大经济意义的事件。其突发性的价格变动幅度、重尾分布特征以及严重的类别不平衡问题，使得传统的时间序列方法难以对其进行有效预测。该系统性文献综述依据系统性综述与荟萃分析优选报告（Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA）框架开展，综合了近期深度学习在前瞻性价格尖峰预测与分类方面的研究进展。通过对Scopus、Web of Science以及IEEE Xplore数据库的检索，筛选出2020年至2026年间发表的文献。经过筛查与全文合格性评估，在约300篇研究中，仅20篇符合纳入标准并被纳入最终综合分析，其中包括19篇同行评审论文及1篇博士学位论文。该综述构建了一个结构化的分类体系，涵盖尖峰定义、任务形式化、模型架构、输入设计以及评估方法。研究的一个核心发现是，预测性能更多地由问题形式化、标签构建以及评估设计所驱动，而非模型架构本身。尽管架构已多样化发展，涵盖了循环网络、Transformer、图神经网络（Graph Neural Network, GNN）以及混合框架，但研究者认为进步往往归因于预测问题定义方式的差异，而非模型本身。关键局限性源于不一致的尖峰定义以及对类别不平衡处理不足，这导致建模目标与评估实践之间的错配，并因缺乏标准化基准而进一步加剧。这些问题阻碍了研究间的可比性，并可能通过掩盖对稀有但具有关键经济意义的尖峰事件的较差检测能力而导致模型性能的高估。因此，该综述明确了未来研究方向，包括标准化的尖峰标签、采用适用于稀有事件的评估框架，以及明确针对极端事件预测的问题形式化。
该论文主体部分围绕深度学习在稀有极端价格事件预测中的应用展开系统性综述，结构清晰，涵盖引言、方法、结果、讨论及结论五个主要部分。
**1. 引言**
引言部分首先界定了价格尖峰的研究背景和核心挑战。价格尖峰被定义为稀有但具有重大经济意义的事件，尤其在电力市场中表现突出——美国电力市场年化波动率接近300%，澳大利亚国家电力市场（National Electricity Market, NEM）更是超过900%，远高于其他能源商品（低于100%）和股票市场（低于20%）。研究指出，不到1%的交易时段内发生的价格尖峰事件可能占据年度平均电价的 disproportionate 份额。这些事件具有突发价格变动、重尾分布、结构突变和体制转换等特征，违反了传统计量经济学模型所依赖的线性和平稳性假设。
该综述明确将尖峰预测定位为稀有事件学习问题，具有非平稳性和严重类别不平衡的特点。近年来，长短期记忆网络（Long Short-Term Memory, LSTM）、门控循环单元（Gated Recurrent Unit, GRU）、卷积神经网络（Convolutional Neural Network, CNN）以及基于注意力的模型等深度学习架构在时间序列建模中取得重大进展，但尖峰定义、标签构建、输入设计和评估指标方面存在显著异质性，限制了研究间的可比性。
在文献定位方面，作者通过与现有综述的对比明确了本研究的独特贡献：现有综述多关注一般性价格预测或特定单一领域（如仅电力市场或加密货币市场），缺乏对稀有事件预测问题的系统关注；且对深度学习方法的分类往往缺乏对问题形式化、稀有事件定义、架构家族或评估设计的系统性梳理。该综述的核心论点是：预测性能的变化主要由预测问题的构建和评估方式解释，而非神经网络架构的选择。
**2. 方法**
方法部分严格遵循PRISMA框架，确保文献识别的透明性和可重复性。研究流程包括四个阶段：数据库检索、标题和摘要筛选、全文合格性评估以及最终纳入。
检索策略方面，研究对Scopus、Web of Science和IEEE Xplore三大数据库进行全面检索，限制发表时间为2020年至2026年。该时间窗口的设定依据是：现代深度学习方法（特别是基于注意力的Transformer架构、混合CNN-LSTM模型以及序列到序列模型）在此时期才广泛应用于时间序列预测。检索词涵盖"price spike"、"extreme price"、"flash crash"等相关术语，并通过前向和后向引文追踪补充文献。
纳入标准明确限定为：必须模拟前瞻性价格尖峰、极端价格事件、闪崩或尾部风险超限；使用时间序列数据并具有显式时序结构；应用深度学习模型；将任务框定为预测、预报或前瞻性分类；报告定量评估指标；发表于同行评审期刊/会议或知名机构的博士学位论文；英文撰写。排除标准包括：仅事后异常检测而无预测意图；仅使用统计或浅层机器学习模型（如自回归积分滑动平均模型（Auto-Regressive Integrated Moving Average, ARIMA）、广义自回归条件异方差模型（Generalized Autoregressive Conditional Heteroskedasticity, GARCH）、支持向量机（Support Vector Machine, SVM））而缺乏深度学习；不涉及价格数据；方法论细节不足以复现；未在类别不平衡或稀有事件情境下评估性能；社论、综述或未经同行评审的预印本；重复研究报告。
筛选过程中发现一个关键现象：大量论文虽在标题或摘要中包含"spike"、"extreme"等术语，但全文分析显示其并未真正处理前瞻性尖峰预测问题。作者归纳了五类常见的"假阳性"情况：一般性电价预测而非尖峰预测；架构看似尖峰感知但未显式建模尖峰发生；以交易或优化问题而非尖峰预测为核心；聚焦波动率建模、异常检测或回顾性分析；采用概率或分布建模但未进行离散尖峰预测。这些排除决策基于问题形式化而非技术质量，凸显了本综述对"前瞻性稀有离散事件预测"这一严格定义的坚持。
数据提取涵盖发表年份、市场领域、尖峰定义、任务形式化、深度学习架构、输入特征设计、评估指标和报告结果等维度。由于尖峰定义、建模目标和评估指标存在显著异质性，研究采用结构化叙述综合而非定量荟萃分析，构建了涵盖市场领域、尖峰定义、任务形式化、架构家族、输入设计和评估方法的分类体系。
**3. 结果**
结果部分对纳入的20项研究进行了系统分类，揭示了若干跨文献的系统模式。
在市场领域方面，电力市场占据主导地位，涵盖日前预测、多日预测、节点边际价格建模以及实时运营环境中的极端电价预测，地理覆盖美国、加拿大、中国和澳大利亚等市场。较小部分研究涉及金融和加密货币应用以及商品价格尖峰建模。尽管应用领域不同，但建模方法具有高度可迁移性，尖峰预测更应被理解为一般性稀有事件预测问题而非电力市场特有现象。值得注意的是，概率和分布方法在各领域中的探索日益增多，但电力市场仍更常采用显式阈值或二元分类方案。
在问题形式化与尖峰定义方面，研究识别出三种主要任务形式化。第一种为二元分类问题，目标是预测未来价格是否超过预定义阈值，尖峰标签通过固定价格水平、统计规则（如价格超过均值若干倍标准差）或分位数准则定义。该形式化下，类别不平衡管理和事件检测可靠性是核心建模关切。第二种为混合或体制感知建模框架，将尖峰检测与价格预测分离，先由分类阶段估计尖峰可能性或潜在市场体制，再由针对预测体制的回归模型进行专门预测。其理论假设是极端价格行为源于与正常市场动态不同的机制。第三种为分布或概率建模方法，通过预测极端价格分位数、波动率水平或尾部概率来概念化尖峰，尖峰发生通过事件如分位数超限间接推断，而非训练期间显式标注。这三种形式化对应不同的统计目标——事件分类、体制条件预测和分布推断，其输出不可直接比较。
在模型架构方面，循环神经网络尤其是LSTM仍是使用最广泛的建模骨干，其门控机制能够捕获长期时间依赖性。但其优势并非源于在稀有事件设置中的卓越性能，而是因其提供了灵活且易于理解的基础，可适应回归和分类任务。研究表明，纯LSTM模型若无重加权、特征工程或混合化等额外修改，往往难以捕获极端事件。混合架构因此较为常见，包括结合分类和回归组件的两阶段尖峰感知管道，以及将深度学习与传统机器学习算法结合的方案。
更近期的研究探索了替代架构以应对RNN的局限性。GNN用于捕获市场区域或网络节点之间的空间依赖性，特别适用于局部事件通过网络传播的情境。Transformer模型因能够通过注意力机制建模长期时间依赖性和复杂特征交互而受到关注，但其二次计算复杂度、对超参数的高度敏感性以及对大数据集的需求，在稀有事件观测有限的条件下可能增加过拟合风险。此外，少数研究利用源于大型语言模型的架构，通过 attention-based 框架融合非结构化文本数据与数值时间序列，以捕获历史价格序列中不可得的上下文信号。尽管架构日益多样化，实证证据表明性能改进往往更多地由问题形式化、特征设计和不平衡缓解策略驱动，而非架构新颖性本身。
在输入与特征工程方面，多元输入结构在电力预测模型中占主导，整合历史价格、负荷预测、可再生能源发电、阻塞指标和时间特征。许多研究引入设计变量以捕获极端价格运动的前兆，包括波动率测度、爬坡指标和供需不平衡指标。图方法进一步整合网络拓扑或区域互联的结构信息。近期工作还集成系统运营商通知或市场公告等上下文信息源，使用语言模型提取与极端市场条件相关的信号。
在评估实践方面，评估方法存在显著差异。即使明确针对尖峰预测的研究，传统回归指标如平均绝对误差（Mean Absolute Error, MAE）和均方根误差（Root Mean Square Error, RMSE）仍被广泛报告，但这些指标评估的是全价格分布上的平均误差而非极端事件。当尖峰事件稀有时，期望损失由非尖峰观测主导，模型可能在尖峰预测上表现不佳的同时实现低总体误差。尖峰聚焦研究更常采用精确率（Precision）、召回率（Recall）和F1分数，这些指标直接评估少数尖峰类的性能。部分研究报告ROC-AUC或平衡准确率，但这些指标在不平衡设置中可能产生误导——当非尖峰观测数量庞大时，即使大量假阳性也只会导致FPR小幅增加，模型可能实现高ROC-AUC分数却无法可靠识别稀有尖峰。精确率-召回率分析提供了更适当的评估框架，但其使用在文献中仍不一致。此外，概率阈值的选择作为性能变化的额外来源常被忽视，而分类阈值应根据应用特定的成本函数而非默认概率截止点进行选择。对于官至文所提及的区间预测方法，其具体内容因超出本综述范围而未被详细展开。对于概率尖峰预测，区分性能可能不足够，校准指标如Brier分数和可靠性分析提供补充信息，但这些措施在综述文献中罕有报告。
**4. 讨论**
讨论部分深入分析了研究发现的理论和实践意涵。
核心论点是尖峰定义和任务形式化对建模结果的影响强于架构选择。这一发现应在综述纳入标准背景下理解——即仅包括明确将尖峰预测形式化为稀有事件学习任务的论文。在限定范围内，标签方式、任务形式化和评估设计的差异持续解释报告结果的 substantial 变化部分。
研究通过期望风险分解提供了理论解释：当尖峰事件定义为价格超过阈值时，由于尖峰概率远小于1，优化过程由非尖峰观测主导，这导致在标准经验风险最小化下训练的模型被激励以最小化正常体制中的误差，而非准确检测尖峰。这为"强总体性能伴随极端事件系统性欠表现"的广泛实证发现提供了理论依据。
电力预测研究中反复出现的结构模式是混合或体制感知建模框架的使用。这些设计明确认识到极端价格行为源于与正常价格波动不同的市场机制。两阶段架构试图通过分离尖峰检测与条件价格预测来捕获这一现象，但体制分类误差向下游传播，限制了回归阶段的性能并阻碍了对误分类尖峰事件的恢复。
类别不平衡作为跨所有形式化的核心统一挑战凸显出来。标准损失函数和聚合回归指标往往与任务的稀有事件性质 poorly aligned。许多研究通过显式尖峰标注、体制分离、层次预测管道或独立尖峰分类阶段来重构问题，以增进对极端事件的敏感性。这些方法修改稀有事件对优化目标的有效贡献，往往产生比架构变化更大的性能增益，表明尖峰预测本质上是统计稀有性问题而非纯粹表征学习问题。
评估实践的扭曲效应受到特别关注。回归指标和ROC类指标在高度不平衡设置中的持续使用可能掩盖极端事件上的 poor performance，而精确率-召回率指标虽更合适却应用不一致。尖峰定义的不一致进一步阻碍了跨研究比较，固定阈值、统计偏差规则、基于分位数的定义和尾部风险公式在文献中并存，尚无标准化方法出现。
研究还探讨了方法论向其他领域的相关性。尖峰预测与金融市场和多变量时空系统中的异常检测及极端事件预测问题具有结构相似性，方法组件包括基于阈值和面向异常的标注策略、概率和分布建模、多元特征整合、以及混合或集成学习架构，均已在具有稀有事件动态的领域中广泛应用。注意力架构（包括Transformer模型）在捕获长期时间依赖性和复杂特征交互方面展现出跨领域能力。
针对实践和未来研究，作者提出六项建议：第一，提高尖峰定义的一致性，采用统计学基础方法或清晰论证阈值选择；第二，使评估实践与稀有事件性质对齐，优先使用精确率-召回率指标和校准度量；第三，标准化基线选择，纳入简单但相关的基线以 contextualize 性能增益；第四，将类别不平衡作为核心建模考量而非次要调整；第五，加强稳健性和泛化性评估，跨不同市场体制和延长的样本外期间验证；第六，建立跨领域基准测试，促进可迁移稀有事件预测方法的系统比较。
研究者还提出了一个面向实践者的框架（Table 4），强调在模型架构选择之前，应先定义预测目标、数据特征、不确定性需求和操作约束，印证了"方法论对齐比架构新颖性更重要"的核心论点。
**5. 结论**
结论部分重申了综述的核心发现：深度学习在价格尖峰预测中的应用存在显著的方法论异质性，预测性能主要由任务形式化、尖峰定义和评估方法等上游决策驱动，而非架构选择。尖峰预测被不同地框定为分类、混合或分布任务，尖峰定义从固定阈值到基于分位数和尾部风险方法不一而足，缺乏标准化阻碍了跨研究比较并模糊了真实性能来源。评估实践中，回归指标和ROC类指标在高度不平衡设置中的使用可能掩盖稀有事件上的 poor performance，而精确率-召回率指标应用不一致。
研究的局限性在于纳入文献集中于电力市场，这可能反映了数据可及性和数据库检索术语的使用，导致云系统、电信或更广泛的需求预测等领域的工作代表性不足。对于实践者，有效尖峰预测需要问题形式化、特征设计和评估策略之间的仔细对齐，而非依赖日益复杂的模型架构。对于未来研究，需要发展一致的基准测试框架、显式处理稀有事件学习挑战，以及整合可能驱动极端行为的外生信息源。当前文献的主要局限在于缺乏价格尖峰预测的标准化基准数据集和评估协议，未来应推动公开可用的基准数据集、透明尖峰标注程序、标准化训练-测试划分，以及一致的评估指标报告，以促进电力、商品、加密货币和金融市场间预测方法的严格比较。
