論文の概要: DualCast: A Dual-Path Language Model for Bimodal Financial Time-Series Forecasting
- arxiv url: http://arxiv.org/abs/2609.38197v1
- Date: Fri, 18 Sep 2026 11:33:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 14:48:16.302275
- Title: DualCast: A Dual-Path Language Model for Bimodal Financial Time-Series Forecasting
- Title（参考訳）: DualCast: バイモーダル金融時系列予測のためのデュアルパス言語モデル
- Abstract要約: DualCastは、離散的な財務語彙を持つフリーズ言語モデルを拡張するデュアルパスフレームワークである。
適応周波数等化残差ベクトル量子化法を開発し、復調精度を損なうことなく符号語を再バランスする。
トグルブルなLoRAアダプタは、予測元で利用可能な高速な予測とニュースを条件とした遅い経路を可能にし、修正された予測を生成する。
- 参考スコア（独自算出の注目度）: 8.500919946035845
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Financial time-series forecasting must capture price dynamics across heterogeneous assets while incorporating news available at prediction time. We introduce DualCast, a dual-path framework that extends a frozen language model with a discrete financial vocabulary. Each log-return patch is represented by a learned summary token and three residual shape tokens, preserving local drift and volatility while allowing shape patterns to be shared across assets. To improve codebook utilization, we develop adaptive frequency-equalizing residual vector quantization, which rebalances overloaded codewords without compromising reconstruction accuracy. The fast path trains only the new financial-token embeddings and output heads on a frozen Qwen3-8B backbone. A toggleable LoRA adapter enables a slow path that conditions on the fast forecast and news available at the forecast origin to produce a revised prediction. The reviser is initialized by supervised fine-tuning and further optimized with a return-space group relative policy optimization objective that rewards improvements over the fast forecast. In zero-shot evaluations covering equities and energy prices at five-minute, daily, and weekly resolutions, the slow path achieves the lowest mean absolute percentage error among the compared methods in 8 of 12 dataset-horizon settings, including every longest-horizon setting. News ablations indicate additional gains in most tested settings, although their magnitude varies across markets. DualCast thus combines a fast numerical forecaster with an optional text-conditioned revision mechanism.
- Abstract（参考訳）: 金融時系列予測は、予測時に利用可能なニュースを取り入れつつ、異種資産の価格変動を捉えなければならない。
DualCastは、離散的な財務語彙を持つフリーズ言語モデルを拡張するデュアルパスフレームワークである。
それぞれのログリターンパッチは、学習された要約トークンと3つの残形トークンで表現され、局所的なドリフトとボラティリティを保持しながら、アセット間で形状パターンを共有することができる。
適応周波数等化残差ベクトル量子化は,コードブック利用を改善するために,再構成精度を損なうことなくオーバーロードされたコードワードを再バランスする。
ファスト・パスは、新しい財政難の埋め込みのみを訓練し、凍結したQwen3-8Bのバックボーンにヘッドを出力する。
トグルブルなLoRAアダプタは、予測元で利用可能な高速な予測とニュースを条件とした遅い経路を可能にし、修正された予測を生成する。
このリバイザは、教師付き微調整によって初期化され、高速な予測よりも改善に報いるリターンスペースグループ相対的なポリシー最適化目標によりさらに最適化される。
株価・エネルギー価格を5分・日・週毎のゼロショット評価では、12のデータセット・水平設定のうち、最も低い平均絶対パーセンテージ誤差を達成している。
ニュースは、ほとんどのテスト済み設定でさらに上昇していることを示しているが、その規模は市場によって異なる。
したがって、DualCastは高速な数値予測器とオプションのテキスト条件修正機構を組み合わせる。
関連論文リスト
- PRICE: A Systematic Study of LLM Adaptation Choices for Bitcoin Price Forecasting [0.40105987447353786]
本研究は,短期的なBitcoin価格予測に大規模言語モデルを適用するための構造化アプローチであるPRICEを紹介する。
PRICEは4ビット量子化LLaMA-3 8Bモデルに基づいており、微調整、数値表現、プロンプト、推論、復号化がパフォーマンスにどのように影響するかを調査している。
プライスは、評価期間にわたって堅牢なパフォーマンスを維持しながら、検証セットとテストセットの両方で最も低い予測エラーを達成する。
論文 参考訳（メタデータ） (2026-09-04T15:01:38Z) - Lightweight Wrappers for Adapting Time Series Foundation Models to Regional Drought Forecasting [26.173260602322383]
Large emphTime Series Foundation Models (TSFM) は、さまざまなドメインにわたる強力なゼロショット予測機能を示している。
我々は,凍結したTSFMを推論時に強化する軽量なブラックボックス適応フレームワークを提案する。
我々は,南オーストラリア各地におけるSPEI(Standardized Precipitation Evapopiration Index)予測を1カ月前に評価した。
論文 参考訳（メタデータ） (2026-07-20T03:36:15Z) - LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。
LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
論文 参考訳（メタデータ） (2026-05-11T09:54:02Z) - Multi-Token Prediction via Self-Distillation [73.81494481537636]
我々は,事前訓練された自己回帰言語モデルを,スローシングルの次のトークン予測モデルから高速なスタンドアロンマルチトークン予測モデルに変換するための新しいアプローチを検討する。
GSM8Kでは,単一トークン復号性能と比較して平均3倍以上の高速な復号化が可能なモデルを生成する。
論文 参考訳（メタデータ） (2026-02-05T18:54:48Z) - An Optimization Method for Autoregressive Time Series Forecasting [4.467218412104476]
現在の時系列予測モデルは、主にトランスフォーマースタイルのニューラルネットワークに基づいている。
本稿では,2つの重要な特性を強制する時系列予測のための新しいトレーニング手法を提案する。
提案手法はiTransformerと比較してMSEを10%以上削減する。
論文 参考訳（メタデータ） (2026-02-02T16:28:00Z) - SAGE: Accelerating Vision-Language Models via Entropy-Guided Adaptive Speculative Decoding [15.734450444255787]
投機的復号化は、視覚言語モデルにおける推論を加速するための有望なアプローチとして現れている。
既存のメソッドはデコードプロセスを通して固定されている静的ツリー構造に依存している。
実時間予測の不確実性に基づいて投機木構造を動的に調整する新しいフレームワークであるSAGEを提案する。
論文 参考訳（メタデータ） (2026-01-31T05:35:40Z) - The Forecast After the Forecast: A Post-Processing Shift in Time Series [17.131164796761446]
本稿では,デプロイされた時系列予測器を再トレーニングせずに強化する軽量でアーキテクチャに依存しない手法を提案する。
$$-Adapterは2つのインターフェイスで小さな有界モジュールを学習する。
入力を介して粗い水平対応マスクを学習して重要な特徴を選択することで、機能セレクタとして機能する。
また、不確実性を測定するために分布校正器としても使用できる。
論文 参考訳（メタデータ） (2026-01-28T05:55:04Z) - Pipeline Parallelism is All You Need for Optimized Early-Exit Based Self-Speculative Decoding [73.67253077506672]
大規模言語モデル(LLM)は、優れた生成品質を提供するが、非常に高い推論コストをもたらす。
早期排他的自己投機的復号法(EESD)がこのコストを軽減するために登場した。
ドラフトと検証作業を完全にパイプライン化するパイプライン・パラレル自己スペクティブ・デコーディング(PPSD)を提案する。
論文 参考訳（メタデータ） (2025-09-19T04:51:41Z) - Sundial: A Family of Highly Capable Time Series Foundation Models [47.27032162475962]
Sundialはネイティブでフレキシブルでスケーラブルな時系列基盤モデルのファミリーです。
我々のモデルは、事前の分布を指定せずに事前訓練されており、複数の確率予測を生成することができる。
Sundialは、ジャスト・イン・タイムの推論速度で、ポイントと確率予測ベンチマークの両方で最先端の結果を達成する。
論文 参考訳（メタデータ） (2025-02-02T14:52:50Z) - Confident Adaptive Language Modeling [95.45272377648773]
CALMは、入力と生成時間ごとに異なる量の計算を動的に割り当てるフレームワークである。
ハイパフォーマンスを確実に維持しつつ、計算能力、潜在的スピードアップを最大3ドルまで削減する上で、我々のフレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2022-07-14T17:00:19Z)
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。