AITOP

金融预测

共 4 条相关 AI 资讯
8月13日
17:47
17:47官方账号arXiv cs.LG@Junyi Ye, Ivy Gateri Wanjiku
该论文系统研究了后训练量化（PTQ）中激活值校准对S&P 500横截面波动率预测的影响，涵盖7种神经网络架构、8个walk-forward测试年（2018-2025）和560个训练模型。结果显示，8比特下校准影响很小，但4比特时校准成为预测性能的主要决定因素。在默认abs-max校准下，静态4比特量化权重和激活值会使受影响架构的全精度平均信息系数损失11-62%。改用百分位校准可恢复四种受影响最严重架构中53-94%的退化。论文指出激活值校准是金融预测中可靠4比特PTQ的一级部署决策，剩余退化严重时可选用8比特激活值或仅权重4比特量化。
论文PTQ量化金融预测
推荐理由：论文用560个模型实测了4比特量化在S&P 500波动率预测上的效果，发现校准方式能决定性能好坏，做量化部署的可以看看。
原文
8月11日
12:44
12:44官方账号arXiv cs.LG@Xu Ouyang, Moontae Lee
FinATOM提出一种无任务特定头部的统一接口，通过约束token生成直接进行三步股票收益预测和五ETF动态配置。预测模型自回归输出波动率标准化收益token，结合序数和排序监督及单轮token级策略训练。配置模型生成归一化多头权重，SFT模仿因果均值-方差锚点，GRPO优化21天夏普比率。2023-2025年ETF测试中，配置策略将毛夏普从1.428提升至1.529，净夏普从1.394升至1.494。在FinTexTS上，SFT和策略方法分别实现73.52%/2.68和73.72%/2.69的累计收益/夏普。
论文FinATOM金融预测资产配置
推荐理由：想看看大模型能不能直接干金融预测和调仓？FinATOM用token生成搞定，夏普从1.428提到1.529，还开源了思路，值得一读。
原文
6月16日
09:48
5月12日
19:11
19:11官方账号arXiv cs.LG@Marcin Kostrzewa, Sebastian Tomczak, Roman Furman, Anna Poberezhna, Michał Furgała, Oleksii Furman, Maciej Zięba
企业破产预测是高风险金融任务，面临严重类别不平衡和多时间跨度预测挑战，但现有公共数据集规模小且稀缺。新基准V4FinBench包含来自维谢格拉德集团四国（2006-2021）的超过100万条公司年度记录，涵盖131个特征、六种预测时间范围，并采用综合财务困境标准。参考评估显示，经过不平衡感知微调的TabPFN在长周期F1和ROC-AUC上达到或超越梯度提升；而Llama-3-8B在每个时间范围的ROC-AUC上均落后于梯度提升。在外部美国破产数据集上，V4FinBench微调的TabPFN优于原始版本，表明学到了可迁移的财务困境结构。该基准已开源，以支持更真实的金融预测方法评估。
论文表格基础模型金融预测基准评测
推荐理由：对于金融风控从业者，该基准提供了百万级真实财务数据及多时间范围评测框架，可有效检验表格型基础模型和LLM在不平衡场景下的预测能力。
原文