时间序列整形—滚动回测选模—预测区间采购约束法

仓库提供可执行资产且预测流程适合自动化，但项目更新与依赖风险、数据成熟度和采购责任决定其必须采用影子运行与人工审批。

优先把Agent封装为数据质量检查、滚动回测、模型冠军挑战者比较和采购建议生成器；先影子运行4至8周，禁止自动下单。

AWS Labs仓库提供基于SageMaker和GluonTS的深度时间序列预测方案，说明传统ARIMA、VAR与深度模型的差异，并覆盖数据标准化、滞后、多时间尺度、类别变量、缺失值、训练和部署资产。迁移时可使用淘宝、拼多多SKU周销量及促销、价格、缺货等特征，但仓库明确警告手工运行可能产生问题，且模型必须与简单基线进行业务回测。

输出格式：SKU周级预测表，包含预测中位数、上下区间、回测误差、系统性偏差、基线差异、建议采购区间、异常原因及人工审批状态。

执行示例：对历史稳定的非电子母婴消耗品建立周销量序列，将促销和缺货作为特征，以季节朴素法为基线滚动回测。若深度模型连续多个窗口降低WAPE且无明显高估偏差，则用预测上、下界结合交期形成采购区间，由采购负责人确认订单。