■ 概要：時系列の「水準（Level）」と「形状（Shape）」を分離・分解して予測する、極めて軽量な単一方程式型予測手法。 ■ 特徴・用途：SVDを用いた分解により、ハイパーパラメータレスかつCPUのみで動作する高い計算効率を実現。大規模なTransformerモデルを凌駕するベンチマーク精度を持ち、リソース制約の厳しい環境や、過学習を抑えた高速な統計的予測が求められる用途に最適。 ■ 結論：巨大な学習済みモデルに依存せず、低コスト・高精度・低オーバーヘッドな予測を実現する、次世代の統計的アプローチ。