論文の概要: RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2606.24062v1
• Date: Tue, 23 Jun 2026 02:11:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.731362
• Title: RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting
• Title（参考訳）: RAVEN:金融時系列予測のためのレジーム対応可変コンテキストエキスパートネットワーク
• Authors: Cheng He, Zhenyu Guan, Xijie Liang, Defu Lian, Jiajia Li, Enhong Chen, Patrick P. C. Lee, Geng Hu, Zehao Chen,
• Abstract要約: 固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。 本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。 累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
• 参考スコア（独自算出の注目度）: 83.06074370551887
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Financial time series forecasting presents structural challenges absent from standard benchmarks. Log-returns are non-stationary, exhibit exceptionally low signal-to-noise (SNR) ratios, and are governed by regime-dependent temporal dependencies. We identify a key limitation of state-of-the-art (SOTA) time series models in financial settings. A fixed context window is mismatched to the time-varying optimal look-back of non-stationary price processes. We propose the Regime-Aware Variable-context Expert Network (RAVEN), a Mixture-of-Experts framework designed to adaptively determine the temporal context for each input sample. Instead of relying on a fixed look-back horizon, RAVEN constructs a hierarchy of nested contiguous windows whose lengths are determined by the data itself. Specifically, RAVEN scores patches by learned importance in reverse chronological order and applies the Cumulative Importance Thresholding (CIT) mechanism to derive nested prefix windows, each routed to a scale-specialized expert. A Global Compressed Representation (GCR) branch runs in parallel over the full context, preserving global temporal coherence that local experts cannot guarantee. Because the nested routing induces structured overlap among expert inputs, we introduce a Correlation-Aware Weighting (CAW) to align variable-length expert outputs and penalize pairwise cosine similarity prior to aggregation. Experiments on cumulative log-return prediction (HS300, S&P500) and fund sales forecasting demonstrate that RAVEN achieves SOTA performances, improves Pearson correlation by 9.2% on HS300 and 20.2% on S&P500, and reduces MSE by 18.2% on fund sales forecasting, while achieving the best results in 14 of 16 metrics on four PEMS traffic benchmarks.
• Abstract（参考訳）: 金融時系列予測は、標準ベンチマークから欠落した構造上の課題を提示する。 ログリターンは非定常的であり、非常に低い信号対雑音比(SNR)を示し、状態依存の時間依存性によって制御される。 我々は、金融条件下でのSOTA(State-of-the-art)時系列モデルの鍵となる制限を識別する。 固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。 本稿では,各入力サンプルの時間的文脈を適応的に決定するMixture-of-ExpertsフレームワークであるRegime-Aware Variable-Context Expert Network (RAVEN)を提案する。 固定されたルックバック水平線に頼る代わりに、RAVENは、データ自身によって長さが決定されるネスト付き連続ウィンドウの階層を構築する。 具体的には、RAVENは、逆時間順で学習された重要度でパッチをスコアし、CIT(Cumulative Importance Thresholding)メカニズムを適用してネストしたプレフィックスウィンドウを導出し、それぞれがスケールした専門家にルーティングされる。 Global Compressed Representation (GCR)ブランチは、ローカルの専門家が保証できないグローバルな時間的一貫性を保ちながら、完全なコンテキスト上で並列に実行される。 ネストされたルーティングは、専門家の入力間で構造的重複を誘導するため、可変長のエキスパート出力を調整し、アグリゲーションに先立ってペアワイズコサイン類似性を罰する相関認識重み付け(CAW)を導入する。 累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300、S&P500でピアソン相関を9.2%改善し、S&P500で20.2%改善し、MSEを18.2%削減し、4つのPEMSトラフィックベンチマークで16の指標のうち14のベスト結果を達成した。

関連論文リスト

• FAME: Forecastability-Aware Mixture of Experts for Heterogeneous Time Series Forecasting [13.22770189732018]
  本研究では,予測可能性に配慮したエキスパート・ルーティングについて検討し,データ特性が予測専門家の適合性をどのように決定するかを学習する。 多次元の予測可能性指紋で各シリーズを表現できるスパース・ミックス・オブ・エキスパート・フレームワークを提案する。 5000以上のマシンと60M以上のトランザクションを持つ産業データセットでは、Top-2は最強のシングルエキスパートよりも12.4%削減される。
  論文  参考訳（メタデータ） (2026-06-08T00:47:58Z)
• Time-Aware Prior Fitted Networks for Zero-Shot Forecasting with Exogenous Variables [59.37476887007663]
  我々は、(PFNとは違って)時間認識の事前データ適合型ネットワーク(PFN)であるApolloPFNを開発した。 i) PFNが時系列に適用されたときに発生する障害モードを解決するために調整された合成データ生成手順,(ii)時系列コンテキストを利用するのに必要な帰納的バイアスを埋め込んだ時間アウェアなアーキテクチャ修正。
  論文  参考訳（メタデータ） (2026-03-16T18:33:23Z)
• It's TIME: Towards the Next Generation of Time Series Forecasting Benchmarks [87.7937890373758]
  時系列基礎モデル(TSFM)は,特定のデータセットモデルから一般化可能なタスク評価に至るまで,予測環境に革命をもたらしている。 我々は、50の新しいデータセットと98の予測タスクからなる次世代タスク中心のベンチマークであるTIMEを紹介する。 静的なメタラベルに基づく従来のデータセットレベルの評価を超える新しいパターンレベルの評価視点を提案する。
  論文  参考訳（メタデータ） (2026-02-12T16:31:01Z)
• Echo State Networks for Time Series Forecasting: Hyperparameter Sweep and Benchmarking [51.56484100374058]
  我々は、完全に自動で純粋にフィードバック駆動のESNが、広く使われている統計的予測手法の代替となるかどうかを評価する。 予測精度は、MASEとsMAPEを用いて測定され、ドリフトや季節予測、統計モデルといった単純なベンチマークと比較される。
  論文  参考訳（メタデータ） (2026-02-03T16:01:22Z)
• EVEREST: An Evidential, Tail-Aware Transformer for Rare-Event Time-Series Forecasting [4.551615447454767]
  EVERESTは確率的レアイベント予測のためのトランスフォーマーベースのアーキテクチャである。 キャリブレーションされた予測とテールアウェアのリスク推定を提供する。 産業監視、天気予報、衛星診断などの高度な分野に適用できる。
  論文  参考訳（メタデータ） (2026-01-26T23:15:20Z)
• PRISM: A hierarchical multiscale approach for time series forecasting [42.91635448262212]
  実世界の時系列には、グローバルなトレンド、局所的なきめ細かい構造、そしてその中間の複数のスケールの特徴の両方が含まれている。 本稿では,この課題に対処する新しい予測手法であるPRISMを提案する。 ベンチマークデータセットを用いた実験により、我々の手法は予測のための最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-12-31T14:51:12Z)
• Temporal Conformal Prediction (TCP): A Distribution-Free Statistical and Machine Learning Framework for Adaptive Risk Forecasting [0.0]
  TCPは、非定常時系列において、よく校正された予測間隔を構築するための分散フリーフレームワークである。 TCPは、ローリングウィンドウ上に分割等角キャリブレーション層を持つ現代の量子予測器を結合する。 危機風の可視化では、TCP/TCP-RMが膨張し、すぐに間隔帯をボラティリティのスパイクと後退として収縮する。
  論文  参考訳（メタデータ） (2025-07-07T20:44:31Z)
• Forecasting Foreign Exchange Rates With Parameter-Free Regression Networks Tuned By Bayesian Optimization [4.642930060629522]
  本論文は、外国為替(FX)レートの多段階金融時系列予測の問題に関するものである。 この問題に対処するために、RegPred Netと呼ばれるパラメータフリー回帰ネットワークを導入する。
  論文  参考訳（メタデータ） (2022-04-26T13:32:50Z)
• Cluster-and-Conquer: A Framework For Time-Series Forecasting [94.63501563413725]
  本稿では,高次元時系列データを予測するための3段階フレームワークを提案する。 当社のフレームワークは非常に汎用的で,各ステップで時系列予測やクラスタリングが利用可能です。 単純な線形自己回帰モデルでインスタンス化されると、いくつかのベンチマークデータセットで最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-10-26T20:41:19Z)

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。