Fugu-MT 論文翻訳(概要): Macroeconomic Forecasting with Large Language Models

論文の概要: Macroeconomic Forecasting with Large Language Models

arxiv url: http://arxiv.org/abs/2407.00890v2
Date: Mon, 06 Jan 2025 01:27:48 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-07 17:04:00.791194
Title: Macroeconomic Forecasting with Large Language Models
Title（参考訳）: 大規模言語モデルを用いたマクロ経済予測
Authors: Andrea Carriero, Davide Pettenuzzo, Shubhranshu Shekhar,
Abstract要約: 本稿では,従来のマクロ時系列予測手法と比較して,Large Language Models(LLM)の精度を評価する。本研究は, LLMの長所と短所について, 実世界のシナリオにおける適用性に光を当てながら, マクロ経済時系列の予測における長所と短所について, 貴重な知見を提供するものである。
参考スコア（独自算出の注目度）: 4.984018914962971
License:
Abstract: This paper presents a comparative analysis evaluating the accuracy of Large Language Models (LLMs) against traditional macro time series forecasting approaches. In recent times, LLMs have surged in popularity for forecasting due to their ability to capture intricate patterns in data and quickly adapt across very different domains. However, their effectiveness in forecasting macroeconomic time series data compared to conventional methods remains an area of interest. To address this, we conduct a rigorous evaluation of LLMs against traditional macro forecasting methods, using as common ground the FRED-MD database. Our findings provide valuable insights into the strengths and limitations of LLMs in forecasting macroeconomic time series, shedding light on their applicability in real-world scenarios
Abstract（参考訳）: 本稿では,従来のマクロ時系列予測手法と比較して,Large Language Models(LLM)の精度を評価する。近年、LLMはデータの複雑なパターンを捕捉し、非常に異なる領域に迅速に適応できるため、予測のために人気が高まっている。しかし, 従来の手法に比べ, マクロ経済時系列データの予測における有効性は依然として注目されている。そこで本研究では,従来のマクロ予測手法に対して,FRED-MDデータベースを用いた厳密なLLMの評価を行う。我々の発見は、マクロ経済時系列の予測におけるLLMの強みと限界についての貴重な洞察を与え、現実のシナリオにおけるそれらの適用性に光を当てている。

関連論文リスト

Adversarial Vulnerabilities in Large Language Models for Time Series Forecasting [14.579802892916101]
本稿では,Large Language Models (LLMs) に基づく時系列予測のための攻撃フレームワークを提案する。実験により, 対向攻撃は, ランダムノイズよりもはるかに深刻な性能劣化を引き起こすことが示された。
論文参考訳（メタデータ） (2024-12-11T04:53:15Z)
BreakGPT: Leveraging Large Language Models for Predicting Asset Price Surges [55.2480439325792]
本稿では,時系列予測や資産価格の急上昇の予測に特化して,新たな大規模言語モデル(LLM)アーキテクチャであるBreakGPTを紹介する。我々は、最小限のトレーニングで財務予測を行うための有望なソリューションとしてBreakGPTを紹介し、局所的およびグローバルな時間的依存関係をキャプチャする強力な競合相手として紹介する。
論文参考訳（メタデータ） (2024-11-09T05:40:32Z)
Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
コンテキスト is Key" (CiK) は、数値データを多種多様なテキストコンテキストと組み合わせた予測ベンチマークである。我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。提案手法は,提案するベンチマークにおいて,他の試験手法よりも優れる簡易かつ効果的なLCMプロンプト法である。
論文参考訳（メタデータ） (2024-10-24T17:56:08Z)
Stock Price Prediction and Traditional Models: An Approach to Achieve Short-, Medium- and Long-Term Goals [0.0]
在庫価格予測のためのディープラーニングモデルと従来の統計手法の比較分析は、ナイジェリア証券取引所のデータを用いている。深層学習モデル、特にLSTMは、データの複雑な非線形パターンをキャプチャすることで従来の手法より優れている。この結果は、金融予測と投資戦略を改善するための深層学習の可能性を強調している。
論文参考訳（メタデータ） (2024-09-29T11:20:20Z)
Beam Prediction based on Large Language Models [51.45077318268427]
時系列予測タスクとしてミリ波(mmWave)ビーム予測問題を定式化する。我々は、歴史的観測をトレーニング可能なトークン化器を用いてテキストベースの表現に変換する。提案手法はLLMのパワーを利用して将来の最適ビームを予測する。
論文参考訳（メタデータ） (2024-08-16T12:40:01Z)
A Comprehensive Evaluation of Large Language Models on Temporal Event Forecasting [45.0261082985087]
時間的事象予測のための大規模言語モデル(LLM)を総合的に評価する。 LLMの入力に生テキストを直接統合しても、ゼロショット補間性能は向上しないことがわかった。対照的に、特定の複雑なイベントや微調整LDMに生テキストを組み込むことで、性能が大幅に向上する。
論文参考訳（メタデータ） (2024-07-16T11:58:54Z)
Time Series Forecasting with LLMs: Understanding and Enhancing Model Capabilities [46.02234423159257]
大規模言語モデル(LLM)は多くの分野に適用され、近年急速に発展してきた。近年の研究では、大規模な言語モデルを、さらなる微調整を行なわずに、アンフェロショット時系列推論として扱っている。本研究は,LLMが周期性に欠けるデータセットにおいて,明確なパターンや傾向を持つ時系列予測において良好に機能することを示す。
論文参考訳（メタデータ） (2024-02-16T17:15:28Z)
Forecasting inflation using disaggregates and machine learning [0.0]
我々は、インフレーションの異なる分散レベルを考慮し、線形および非線形機械学習(ML)モデルと同様に、様々な伝統的な時系列技術を用いて、より多くの予測値を扱う。多くの予測地平線において、非凝集予測の集計は、この集計を用いて直接予測を生成するサーベイベースの予測とモデルと同様に実行される。本研究は,ML手法による非凝集予測の集約を含む,データ豊富な環境下でのインフレーション予測におけるモデルの活用のメリットを裏付けるものである。
論文参考訳（メタデータ） (2023-08-22T04:01:40Z)
Evaluating and Explaining Large Language Models for Code Using Syntactic Structures [74.93762031957883]
本稿では,コード用大規模言語モデルに特有の説明可能性手法であるASTxplainerを紹介する。その中核にあるASTxplainerは、トークン予測をASTノードに整合させる自動メソッドを提供する。私たちは、最も人気のあるGitHubプロジェクトのキュレートデータセットを使用して、コード用の12の人気のあるLLMに対して、実証的な評価を行います。
論文参考訳（メタデータ） (2023-08-07T18:50:57Z)
Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文参考訳（メタデータ） (2022-03-07T18:59:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。