摘要
在金融、传感和需求流中，数据违反了 IID 适应的符合预测和 IID 自助法所假设的可交换性。现有的库要么实现了一般重抽样引擎，要么实现了符合校准，但二者未能结合。tsbootstrap 提供了块重抽样、残差重抽样、筛选重抽样和野生重抽样，以及经典自助法置信区间和自适应符合校准器（EnbPI、ACI、NexCP、AgACI），通过单一类型化 API 进行调用，用户可以通过规范对象选择每种方法。
在一个控制覆盖率的研究中，IID 自助法在依赖性强的情况下显著低估了覆盖率；而意识到依赖性的算法减少了覆盖缺口，其中筛选法在短记忆线性依赖下接近于名义值。在共享固定统计路径上，编译后端的运行速度比 arch 快数倍，同时流式减少避免了物化 $O(Bn)$ 的复制张量，将统计数组的峰值额外内存限制在 $O(B)$。
该软件采用 MIT 许可证（v0.6.1）。
博主点评： tsbootstrap 的设计显著提升了时间序列数据分析中的不确定性量化与符合预测的能力，尤其是在处理依赖性数据时。这种灵活的 API 和高效的重抽样方法，使得该工具在实际应用中极具价值，适用于金融等领域的复杂数据处理。其高效性和适应性为相关研究提供了新的可能性。