論文の概要: The Label Horizon Paradox: Rethinking Supervision Targets in Financial Forecasting

• arxiv url: http://arxiv.org/abs/2602.03395v1
• Date: Tue, 03 Feb 2026 11:16:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.412136
• Title: The Label Horizon Paradox: Rethinking Supervision Targets in Financial Forecasting
• Title（参考訳）: ラベル水平パラドックス:金融予測におけるスーパービジョンターゲットの再考
• Authors: Chen-Hui Song, Shuoling Liu, Liyuan Chen,
• Abstract要約: 最適監視信号は予測目標から逸脱することが多く、市場ダイナミクスによって支配される中間地平線を横切る。 本稿では,一つのトレーニング実行内で最適なプロキシラベルを自律的に識別する,双方向最適化フレームワークを提案する。 大規模財務データセットの実験では、従来のベースラインよりも一貫した改善が示されている。
• 参考スコア（独自算出の注目度）: 1.7415391025051434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While deep learning has revolutionized financial forecasting through sophisticated architectures, the design of the supervision signal itself is rarely scrutinized. We challenge the canonical assumption that training labels must strictly mirror inference targets, uncovering the Label Horizon Paradox: the optimal supervision signal often deviates from the prediction goal, shifting across intermediate horizons governed by market dynamics. We theoretically ground this phenomenon in a dynamic signal-noise trade-off, demonstrating that generalization hinges on the competition between marginal signal realization and noise accumulation. To operationalize this insight, we propose a bi-level optimization framework that autonomously identifies the optimal proxy label within a single training run. Extensive experiments on large-scale financial datasets demonstrate consistent improvements over conventional baselines, thereby opening new avenues for label-centric research in financial forecasting.
• Abstract（参考訳）: ディープラーニングは高度なアーキテクチャを通じて金融予測に革命をもたらしたが、監視信号自体の設計は精査されることはめったにない。 最適監督信号は、しばしば予測目標から逸脱し、市場ダイナミクスによって支配される中間地平線を移動する。 理論的には、この現象を動的信号-雑音トレードオフに基礎付け、一般化が信号の限界化と雑音蓄積の競合に影響を及ぼすことを示す。 この知見を運用するために,単一のトレーニング実行内で最適なプロキシラベルを自律的に識別する,双方向最適化フレームワークを提案する。 大規模金融データセットの大規模な実験は、従来のベースラインよりも一貫した改善を示し、金融予測におけるラベル中心の研究のための新たな道を開く。

関連論文リスト

• Attention Illuminates LLM Reasoning: The Preplan-and-Anchor Rhythm Enables Fine-Grained Policy Optimization [56.083511902353365]
  強化学習(Reinforcement Learning, RL)は、一般的に、大規模言語モデルの全世代にわたって一様クレジットを適用する。 この研究は、LSMの内部論理を推論自体の機械的青写真として描画する特権基板として注意を向けている。 クリティカルノードに対するターゲットクレジット割り当てを動的に行う3つの新しいRL戦略を導入する。
  論文  参考訳（メタデータ） (2025-10-15T13:49:51Z)
• Supervised Optimism Correction: Be Confident When LLMs Are Sure [91.7459076316849]
  教師付き微調整とオフライン強化学習の間には,新たな理論的関係が確立されている。 広く使われているビームサーチ法は、許容できない過度な最適化に悩まされていることを示す。 本稿では,トークンレベル$Q$-value推定のための簡易かつ効果的な補助的損失を導入したSupervised Optimism Correctionを提案する。
  論文  参考訳（メタデータ） (2025-04-10T07:50:03Z)
• Generative Market Equilibrium Models with Stable Adversarial Learning via Reinforcement [10.35300946640037]
  我々は、最小限のモデリング仮定の下で、継続的金融市場均衡を解くための一般的な計算フレームワークを提案する。 GAN(Generative Adversarial Network)に触発された本手法では,新たな生成的深層強化学習フレームワークを採用する。 我々のアルゴリズムは、学習するだけでなく、市場参加者の内在的な取引行動から資産の返却とボラティリティがどのように出現するかを検証可能な予測も提供する。
  論文  参考訳（メタデータ） (2025-04-05T23:29:46Z)
• Uncertainty-Aware Graph Self-Training with Expectation-Maximization Regularization [2.743479615751918]
  半教師付きノード分類のためのグラフ自己学習手法を提案する。 本手法は,擬似ラベル生成とモデル再学習における不確実性機構を組み込んだものである。 我々のフレームワークは、ノイズの多いグラフ構造や特徴空間をより効率的に扱うように設計されています。
  論文  参考訳（メタデータ） (2025-03-26T21:52:21Z)
• A phase transition between positional and semantic learning in a solvable model of dot-product attention [30.96921029675713]
  学習可能な,低次元の問合せとキーデータを備えた非次元自己注意層として,高次モデルドット積注意法について検討した。 位置注意機構(それぞれの位置に基づくトークンを含む)と意味注意機構(それぞれの意味に基づいて互いに結びついているトークンを含む)と、サンプルの複雑さが増大する前者から後者への遷移が示される。
  論文  参考訳（メタデータ） (2024-02-06T11:13:54Z)
• HGV4Risk: Hierarchical Global View-guided Sequence Representation Learning for Risk Prediction [28.85381591832941]
  本稿では,新しい階層的グローバルビュー誘導(HGV)シーケンス表現学習フレームワークを提案する。 具体的には、時間相関グラフから連続的なクリップ認識表現を学習するために、GGE(Global Graph Embedding)モジュールを提案する。 提案モデルは,他の既知のベースラインと比較して,競争力のある予測性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-11-15T07:41:08Z)
• Self-supervised debiasing using low rank regularization [59.84695042540525]
  純粋な相関は、ディープニューラルネットワークの強いバイアスを引き起こし、一般化能力を損なう可能性がある。 ラベルのないサンプルと互換性のある自己監督型脱バイアスフレームワークを提案する。 注目すべきは,提案フレームワークが自己教師付き学習ベースラインの一般化性能を著しく向上させることである。
  論文  参考訳（メタデータ） (2022-10-11T08:26:19Z)
• 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)
• Multi-Stage Decentralized Matching Markets: Uncertain Preferences and Strategic Behaviors [91.3755431537592]
  本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。 我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。 シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
  論文  参考訳（メタデータ） (2021-02-13T19:25:52Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。