从新闻到预测：集成事件分析的基于 LLM 的时间序列预测方法

本文介绍一种新颖的方法，利用大型语言模型（LLM）和生成式智能体来增强时间序列预测，通过在文本和时间序列数据之间进行推理。该方法以语言作为媒介，能够适应性地将社交事件整合到预测模型中，将新闻内容与时间序列波动对齐，以提供更丰富的见解。具体而言，我们利用基于 LLM 的智能体迭代过滤无关新闻，并采用类人推理来评估预测。这使得模型能够分析复杂事件，如意外事件和社交行为的变化，并不断细化新闻选择逻辑和智能体输出的鲁棒性。通过将选定的新闻事件与时间序列数据集成，我们对预训练的 LLM 进行微调，以预测时间序列中数字的序列。结果表明，预测准确率显著提高，表明通过有效利用非结构化新闻数据，时间序列预测可能迎来范式转变。