ある小売業者は、過去の何年にもわたる日次データを使用して、数千品目の30日間の需要予測を行う必要があります。在庫切れは過剰在庫よりもはるかにコストがかかります。品目レベルの特性（カテゴリ、ブランド、安全在庫）が利用可能であり、バイナリのプロモーションフラグも存在しますが、将来の値は5日間しかわかっていません。これらの制約の下で利益を最大化するために、どの予測アルゴリズムと評価指標を選択すべきですか？

CNN-Quantile Regression (CNN-QR) は、数千品目という大規模な時系列データと、カテゴリ、ブランド、プロモーションフラグなどの複数の関連特徴量（共変量）を扱うのに適しています。ARIMAは単一の時系列に特化しており、多数の品目や共変量には不向きです。在庫切れが過剰在庫よりもはるかにコストがかかるという要件は、予測が需要を過小評価しないように、より高いパーセンタイル（P75など）での予測を必要とします。Weighted Quantile Loss (wQL) は、特定のパーセンタイルでの予測誤差を直接最適化するため、このビジネス要件に合致します。WAPEは予測の平均的な精度を測るものであり、特定のパーセンタイルでの過少予測のリスク管理には適していません。