多粒度序列建模—滚动回测选模—区间风险决策法

开源接口成熟，训练、回测和概率输出均可自动化；但业务数据治理和预测到经营动作的转换必须保留人工审查。

建立预测Agent流水线，自动完成数据质量检查、基线训练、候选模型滚动回测、区间预测和漂移报警；锁定依赖版本，并规定未通过基线改善及覆盖率门槛时不得输出自动经营动作。

Darts开源项目贡献了统一的fit、predict接口、训练与验证切分、historical forecasts、backtest、多序列建模、外生变量、模型组合及概率分位数输出。迁移到淘宝和拼多多时，可将订单、退款后净销量、价格、促销、广告和节假日作为序列及协变量，但预测结果必须与库存、交期和经营规则结合，不能直接等同于补货指令。

输出格式：SKU预测结果集：预测周期、P50/P90需求、基线与候选模型、WAPE、偏差、区间覆盖率、异常标签和人工校正建议。

执行示例：对淘宝和拼多多共120个母婴SKU整理365天净销量，使用近8周滚动回测比较季节性朴素法、指数平滑和全局回归模型。全局模型仅在稳定复购SKU上将WAPE从31%降至23%，新品仍采用类目基线；最终向采购输出未来28天P50和P90，而非单一销量数字。