时机至关重要：基于时间序列预测的风险感知资金分配
机器学习
2025-07-18 v3
摘要
资金分配一直是金融领域日益重要的问题。在现实中，我们旨在将资金分配于在未来特定时期内购买某些资产。诸如纯预测或“预测后优化”等朴素解决方案存在目标不匹配的问题。此外，引入 SOTA 时间序列预测模型不可避免地会在预测结果中引入额外的不确定性。为了解决上述两个问题，我们引入了风险感知时间序列预测与分配框架，该框架对预测模型不持有任何先验假设。该框架包含三个特征： 具有目标对齐度量的端到端训练， 自适应预测不确定性校准，以及 对预测模型不可知。RTS-PnO 的评估通过在线和离线实验进行。对于离线实验，使用了来自三类金融应用的八个数据集：货币、股票和加密货币。RTS-PnO 始终优于其他有竞争力的基线。在线实验在腾讯 FiT 的跨境支付业务上进行，与产品线方法相比，regret 降低了 8.4%。离线实验代码可在 https://github.com/fuyuanlyu/RTS-PnO 获取。
引用
@article{arxiv.2505.24835,
title = {Timing is Important: Risk-aware Fund Allocation based on Time-Series Forecasting},
author = {Fuyuan Lyu and Linfeng Du and Yunpeng Weng and Qiufang Ying and Zhiyan Xu and Wen Zou and Haolun Wu and Xiuqiang He and Xing Tang},
journal= {arXiv preprint arXiv:2505.24835},
year = {2025}
}
备注
Accepted by KDD 2025 ADS Track