基于时间序列基础模型的零样本经济预测泛化界限
机器学习
2025-11-05 v2 人工智能
摘要
本研究探讨了时间序列基础模型（TSFMs）进行宏观经济指标零样本预测能力。我们将 TSFMs 应用于单变量经济指标预测，绕过了使用和广泛训练数据集构建专用计量经济模型的需求。我们的实验是在案例研究数据集上进行的，不进行额外的定制化。我们对三个最先进的 TSFMs（Chronos、TimeGPT 和 Moirai）在数据稀缺条件和结构性中断下进行了严格的回测。我们的结果表明，经过恰当设计的 TSFMs 可以内部分丰富的经济动态，适应 regime 变化，并开箱即用地提供良好的不确定性估计，同时在该领域匹配最先进的多变量模型。我们的发现表明，在没有任何微调的情况下，TSFMs 可以在经济稳定期间匹配或超越经典模型。然而，在快速冲击期间它们容易出现性能下降。这些发现为实践者提供了关于在宏观经济监控和战略规划中何时可以使用零样本部署的指导。
引用
@article{arxiv.2506.15705,
title = {Generalisation Bounds of Zero-Shot Economic Forecasting using Time Series Foundation Models},
author = {Jittarin Jetwiriyanon and Teo Susnjak and Surangika Ranathunga},
journal= {arXiv preprint arXiv:2506.15705},
year = {2025}
}