我正在建模一些时间序列数据（$\{y_t\}_t$) 并希望构建一个能够返回的模型不仅仅是单值预测$\hat{y_t}$, 但是一个区间$C_t=(\hat{y}_{t, lower}, \hat{y}_{t, upper})$ 这样 $y_t \in C_t$有一定的概率。

现在，我了解了弹球损失：

$$L(q, z)=\cases{qz, & z >= 0 \\ (q-1)z,& z<0}$$ 如果我理解正确，$q \in (0,1)$是我想要预测的分位数，并且$z$ 是实际值之间的差异 $y$ 以及我的模型所预测的 $\hat{y}$. 如果对模型进行训练以针对某些情况优化此损失$q$，它将返回我的估计 $\hat{y}^{(q)}_t$ 这样 $P(y_t < \hat{y}^{(q)}_t)=q$. 这种解释正确吗？

那么，我可以简单地训练两个模型，比如说一个用于 $q=0.05$ 另一个为 $q=0.95$ 为了获得包含具有概率的实际值的区间的估计值 $0.95-0.05=0.9$?