論文の概要: ReLaMix: Residual Latency-Aware Mixing for Delay-Robust Financial Time-Series Forecasting

• arxiv url: http://arxiv.org/abs/2603.20869v1
• Date: Sat, 21 Mar 2026 16:06:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.129766
• Title: ReLaMix: Residual Latency-Aware Mixing for Delay-Robust Financial Time-Series Forecasting
• Title（参考訳）: ReLaMix:遅延ロスの財務時系列予測のための残留遅延認識ミキシング
• Authors: Tianyou Lai, Wentao Yue, Jiayi Zhou, Chaoyuan Hao, Lingke Chang, Qingyu Mao, Zhibo Niu, Qilei Li,
• Abstract要約: ReLaMixはTimeMixerの軽量な拡張であり、学習可能なボトルネック圧縮と、遅延した観測下でのロバストな信号回復のための残留リファインメントを統合している。 大規模な第2分解能PAXGUSDTベンチマークの実験では、ReLaMixは複数の遅延比と予測地平線をまたいだ最先端の精度を一貫して達成している。
• 参考スコア（独自算出の注目度）: 7.648281596746326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Financial time-series forecasting in real-world high-frequency markets is often hindered by delayed or partially stale observations caused by asynchronous data acquisition and transmission latency. To better reflect such practical conditions, we investigate a simulated delay setting where a portion of historical signals is corrupted by a Zero-Order Hold (ZOH) mechanism, significantly increasing forecasting difficulty through stepwise stagnation artifacts. In this paper, we propose ReLaMix (Residual Latency-Aware Mixing Network), a lightweight extension of TimeMixer that integrates learnable bottleneck compression with residual refinement for robust signal recovery under delayed observations. ReLaMix explicitly suppresses redundancy from repeated stale values while preserving informative market dynamics via residual mixing enhancement. Experiments on a large-scale second-resolution PAXGUSDT benchmark demonstrate that ReLaMix consistently achieves state-of-the-art accuracy across multiple delay ratios and prediction horizons, outperforming strong mixer and Transformer baselines with substantially fewer parameters. Moreover, additional evaluations on BTCUSDT confirm the cross-asset generalization ability of the proposed framework. These results highlight the effectiveness of residual bottleneck mixing for high-frequency financial forecasting under realistic latency-induced staleness.
• Abstract（参考訳）: 実世界の高周波市場における金融時系列予測は、非同期データ取得と送信遅延による遅延または部分的に停滞した観測によって妨げられることが多い。 このような実態をよく反映するために、ゼロオードホールド(ZOH)機構により履歴信号の一部が破損するシミュレーション遅延設定を調査し、段階的に停滞するアーティファクトを通じて予測困難を著しく増大させる。 本稿では,TimeMixerの軽量拡張であるReLaMix(Residual Latency-Aware Mixing Network)を提案する。 ReLaMixは、残留混合強化による情報市場ダイナミクスを保ちながら、繰り返しステール値からの冗長性を明示的に抑制する。 大規模な第2解像度PAXGUSDTベンチマークの実験では、ReLaMixは複数の遅延比と予測水平線をまたいだ最先端の精度を一貫して達成し、非常に少ないパラメータで強いミキサーとトランスフォーマーのベースラインを上回ります。 さらに,BTCUSDTのさらなる評価により,提案フレームワークのクロスアセスメント一般化能力が確認された。 これらの結果は, 実時間遅延による安定化下での高周波金融予測における残差ボトルネック混合の有効性を浮き彫りにした。

関連論文リスト

• Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
  高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。 本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。 提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
  論文  参考訳（メタデータ） (2026-01-30T03:14:01Z)
• Hybrid Predictive Quantum Feedback: Extending Qubit Lifetimes Beyond the Wiseman-Milburn Limit [0.0]
  振幅減衰は、エネルギーと情報を環境に不可逆的に漏らすことによって、基本的に量子ビット寿命を制限する。 Standard Wiseman--Milburnのフィードバックは、単一の測定クアチュアに作用し、その補正ドライブがループ遅延によって劣化するため、わずかに改善されている。 i) ホモダイン電流を受信し、そのシステム上でエンファンタムをコヒーレントにフィードバックするコヒーレント結合型エンファンシラ量子ビット。
  論文  参考訳（メタデータ） (2025-11-15T09:45:47Z)
• RI-Loss: A Learnable Residual-Informed Loss for Time Series Forecasting [13.117430904377905]
  時系列予測は、過去のデータから将来の値を予測することに依存する。 MSEには2つの根本的な弱点がある:そのポイントワイドエラーは時間的関係を捉えるのに失敗し、データに固有のノイズを考慮しない。 我々は,Hilbert-Schmidt Independence Criterion(HSIC)に基づく新たな目的関数であるResidual-Informed Loss(RI-Loss)を紹介する。
  論文  参考訳（メタデータ） (2025-11-13T09:36:00Z)
• AWEMixer: Adaptive Wavelet-Enhanced Mixer Network for Long-Term Time Series Forecasting [12.450099337354017]
  適応ウェーブレット強化ミキサーネットワークであるAWEMixerを提案する。 周波数ルータは、Fast Fourier Transformによって達成された大域的周期パターンを利用して、局所化ウェーブレットサブバンドを適応的に重み付けする。 コヒーレントゲート融合ブロックは、多スケール時間表現による顕著な周波数特徴の選択的統合を実現する。
  論文  参考訳（メタデータ） (2025-11-06T11:27:12Z)
• ReTimeCausal: EM-Augmented Additive Noise Models for Interpretable Causal Discovery in Irregular Time Series [32.21736212737614]
  本稿では, 金融, 医療, 気候科学などの高度領域における不規則サンプル時系列における因果発見について検討する。 ReTimeCausalは,物理誘導型データ計算と疎因性推論を統一する付加雑音モデル(ANM)と期待最大化(EM)の新たな統合である。
  論文  参考訳（メタデータ） (2025-07-04T05:39:50Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)
• TimeBridge: Non-Stationarity Matters for Long-term Time Series Forecasting [49.6208017412376]
  TimeBridgeは、非定常性と依存性モデリングの間のギャップを埋めるために設計された新しいフレームワークである。 TimeBridgeは、短期予測と長期予測の両方において、最先端のパフォーマンスを一貫して達成する。
  論文  参考訳（メタデータ） (2024-10-06T10:41:03Z)
• Stochastic Approximation with Delayed Updates: Finite-Time Rates under Markovian Sampling [73.5602474095954]
  マルコフサンプリングの遅延更新による近似スキームの非漸近的性能について検討した。 我々の理論的な発見は、幅広いアルゴリズムの遅延の有限時間効果に光を当てた。
  論文  参考訳（メタデータ） (2024-02-19T03:08:02Z)
• U-Mixer: An Unet-Mixer Architecture with Stationarity Correction for Time Series Forecasting [11.55346291812749]
  時系列予測における非定常性は、深い層を通しての安定した特徴伝達を阻害し、特徴分布を妨害し、学習データ分布の変化を複雑化する。 異なるパッチとチャネル間の局所的な時間的依存関係を別々にキャプチャするU-Mixerを提案する。 U-Mixerは最先端(SOTA)法よりも14.5%,7.7%改善している。
  論文  参考訳（メタデータ） (2024-01-04T12:41:40Z)

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。