FinCast: A Foundation Model for Financial Time-Series Forecasting
创建于 更新于
摘要
本论文提出FinCast，一种针对金融时间序列预测的基础模型。该模型基于1亿参数的decoder-only Transformer架构，通过令牌级稀疏专家混合（MoE）、可学习的频率嵌入及点分位数联合损失等创新设计，实现对多领域、多时间分辨率金融数据的泛化能力。实验证明，FinCast在零样本和有监督金融预测基准上均优于当前最先进方法，减小误差约20%以上，并具备高效推理速度和强鲁棒性，显著缓解了金融时间序列预测中非平稳性和多样性带来的挑战 [page::0][page::1][page::4][page::6][page::7].
