본 논문은 분산, 이질적이며 독립적이지 않은 데이터를 다루는 연합 학습 환경에서 시계열 예측(TSF)을 위한 적절한 look-back horizon 선택 문제를 해결하기 위한 프레임워크를 제시한다. 핵심은 합성 데이터 생성기(SDG)를 사용하여 클라이언트 데이터를 모델링하고, 시간 창을 고유 표현 공간으로 매핑하는 변환을 정의하여, 예측 손실을 베이지안 항과 근사 항으로 분해하는 것이다. 이를 통해, 가장 작은 horizon에서 총 예측 손실이 최소화됨을 이론적으로 증명한다.
