预测几只股票或几类商品时，分别猜准还不够：它们可能一起涨跌，而这种联动会改变组合风险。WIRED是一套R实现，目标是同时给多条相关时间序列生成概率预测——不只报一个数字，还给出各种未来结果的可能性。
它最值得注意的是把任务拆成两层：先混合八类简单的边际预测，并用CRPS（衡量预测分布与实际结果吻合程度的评分）动态分配权重；再用Gaussian或Student Copula——一种把各自预测与相互依赖关系拼起来的方法——生成保持跨序列相关性的联合情景。论文用4种合成过程、3个预测跨度及每组30次重复做了比较，也在EuStockMarkets数据上滚动测试。
结果并非全面胜出。作者称，显式建模序列依赖确实有用，但目前根据CRPS走势外推、再用softmax分配权重的办法还不够稳健，未能持续超过历史bootstrap或等权混合。换句话说，WIRED已经搭好了可落地的联合预测框架，也清楚暴露了下一步要修的短板。