天气平稳时，带伞范围可以小些；暴雨将至，就该多留余地。时间序列预测也是如此：一个标称覆盖率为 80% 的预测区间，长期看可能大致合格，却在波动剧烈的关键时段连续漏掉真实值。论文以共享单车需求为例：三种时间序列基础模型给出的区间，在部分时段局部覆盖率降到 60% 以下。
作者提出 VCPI（波动修正预测区间）：先把模型原有的预测宽度当作基准，再用 GARCH——一种根据近期误差和历史波动估计当前风险的模型——追踪标准化预测误差的变化，最后乘上动态修正系数。说白了，近期误差突然放大，区间就变宽；环境恢复平稳，区间也会收窄。
据作者在 Chronos、Moirai 和 TimesFM 及四个真实数据集上的实验，VCPI 比几种不显式建模误差波动的保形预测方法保持了更稳定的局部覆盖，同时长期覆盖率仍接近标称水平，区间宽度也相当。它提醒我们：平均成绩合格，不等于每段时间都可靠。