論文の概要: Toward Structured Financial Foundation Models

• arxiv url: http://arxiv.org/abs/2610.26516v1
• Date: Mon, 19 Oct 2026 14:49:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 02:47:22.175116
• Title: Toward Structured Financial Foundation Models
• Title（参考訳）: 構造的金融基盤モデルに向けて
• Abstract要約: ファンデーションモデルは再利用可能な機能とタスク間でのステップチェンジパフォーマンス向上を約束する。 金融分野では、ドメイン特化基礎モデルの大規模事前訓練は両方の目標を前進させることができる。 本稿では,モジュール型・ドメイン特化金融基盤モデルを中心に,構造化データファーストの研究課題を提案する。
• 参考スコア（独自算出の注目度）: 13.279422380286837
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Foundation models promise reusable capabilities and step-change performance gains across tasks. In finance, large-scale pretraining of domain-specialized foundation models can advance both goals. However, prevailing architectures and objectives do not by themselves address the combined demands of financial systems: partial observability, interacting entities, asynchronous events, changing regimes, action-dependent outcomes, and rare states with disproportionate consequences. Moreover, independently developed specialists may learn incompatible representations, while multi-domain monolithic alternatives couple data access, model updates, and governance. We therefore propose a structured-data-first research agenda centered on modular, domain-specialized financial foundation models connected by a representation fabric for reuse and composition across domains and tasks. These models should maintain persistent financial state across aggregation levels and time horizons, capture its dynamics, and simulate action-conditioned futures, while remaining calibrated across regimes and for tail outcomes. They must also learn efficiently under data and access constraints and provide faithful, traceable explanations. We identify research challenges, directions, and capability-oriented evaluation criteria.
• Abstract（参考訳）: ファンデーションモデルは再利用可能な機能とタスク間でのステップチェンジパフォーマンスの向上を約束する。 金融分野では、ドメイン特化基礎モデルの大規模事前訓練は両方の目標を前進させることができる。 しかし、一般的なアーキテクチャや目的は、部分的に可観測性、相互作用するエンティティ、非同期イベント、状況の変化、アクション依存の結果、そして不均衡な結果の希少な状態といった金融システムの要求に、それ自体が対処するわけではない。 さらに、独立して開発されたスペシャリストは互換性のない表現を学ぶことができ、マルチドメインのモノリシックな代替手段はデータアクセス、モデル更新、ガバナンスを兼ね備えている。 そこで本研究では、ドメインやタスク間の再利用と構成のための表現ファブリックによって接続された、モジュラーなドメイン特化金融基盤モデルを中心とした構造化データファーストの研究課題を提案する。 これらのモデルは、集約レベルと時間的地平線を越えて永続的な金融状態を維持し、そのダイナミクスを捉え、アクション条件付き未来をシミュレートすると同時に、レジームと尾の成果を調整し続けなければならない。 また、データとアクセスの制約の下で効率的に学習し、忠実でトレース可能な説明を提供しなければなりません。 我々は,研究課題,方向性,能力指向評価基準を同定する。

関連論文リスト

• Towards Credible Agent-Based Policy Simulations: Disentangling Opportunities and Preferences in a Financial Inclusion Case Study of Egypt [4.70149256185879]
  信頼性は、ポリシー作成をサポートすることを意図したエージェントベースのモデルの中心的なトピックである。 本稿では,信頼できる政策シミュレーションを構築するための一般的なモデリングフレームワークについて述べる。 その後、エジプトにおける経済的包摂の社会的課題を研究するために、どのようにコンテキスト化され、実装されるかを示す。
  論文  参考訳（メタデータ） (2026-10-03T13:26:06Z)
• From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
  アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。 世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。 我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
  論文  参考訳（メタデータ） (2026-07-13T15:22:56Z)
• Assessing the Operational Viability of Foundation Models for Time Series Forecasting [0.0]
  時系列予測は、金融、輸送、エネルギーといった分野における運用上の決定を促進する。 教師付き学習アプローチは高いパフォーマンスを達成する一方で、ドメイン固有のトレーニング、機能エンジニアリング、継続的なメンテナンスが必要である。 大規模なファウンデーションモデルは、最近ゼロショットの代替として登場し、LSMのようなタスク固有のトレーニングを避けた。
  論文  参考訳（メタデータ） (2026-05-23T03:40:44Z)
• CLVAE: A Variational Autoencoder for Long-Term Customer Revenue Forecasting [1.2387676601792899]
  スパースおよび不規則な取引データから顧客長期的な収益を予測することは、非契約環境でのマーケティングリソースの割り当ての中心である。 従来の確率論的顧客ベースモデルは、強い構造的仮定を示唆することによって、堅牢な長期予測を提供する。 本稿では,プロセスベースで確立された属性・トランザクション・スペンドモデルの確率を保存する変動型オートコーダモデルを提案する。
  論文  参考訳（メタデータ） (2026-04-24T15:12:57Z)
• An Integrated Fusion Framework for Ensemble Learning Leveraging Gradient Boosting and Fuzzy Rule-Based Models [59.13182819190547]
  ファジィ規則に基づくモデルは解釈可能性に優れ、様々な分野に広く応用されている。 複雑な設計仕様や大規模データセットのスケーラビリティといった課題に直面している。 本稿では,モデル性能と解釈可能性を高めるために,両パラダイムの強みを融合した統合統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-11T10:28:23Z)
• Advancing Financial Engineering with Foundation Models: Progress, Applications, and Challenges [28.826156528571424]
  ファイナンシャル・ファンデーション・モデル(英: Financial Foundation Models、FFM)は、金融のために明示的に設計された新しいモデルのクラスである。 本調査では,FFMの包括的概要と,3つの主要な指標にまたがる分類について概説する。 アーキテクチャ、トレーニング方法論、データセット、および現実世界のアプリケーションについてレビューする。
  論文  参考訳（メタデータ） (2025-07-07T16:06:38Z)
• DELPHYNE: A Pre-Trained Model for General and Financial Time Series [2.601248228220401]
  時系列データは、パターンの検出、市場の振る舞いの理解、過去のデータに基づく情報的意思決定を支援する金融アプリケーションにおいて有用である。 言語モデリングの最近の進歩は、膨大なデータセットのコレクションに基づいてトレーニングされ、金融分野にまたがる多様なタスクに適用される、時系列事前訓練モデルの台頭につながっている。 しかし、既存の時系列事前訓練モデルでは、ゼロショットと微調整の両方で単純な財務ベンチマークよりもパフォーマンスが向上していない。
  論文  参考訳（メタデータ） (2025-05-12T16:53:29Z)
• Empowering Time Series Analysis with Synthetic Data: A Survey and Outlook in the Era of Foundation Models [104.17057231661371]
  時系列解析は複雑なシステムの力学を理解するために重要である。 基本モデルの最近の進歩はタスク非依存の時系列基礎モデル (TSFM) と大規模言語モデルベース時系列モデル (TSLLM) につながっている。 彼らの成功は、規制、多様性、品質、量制約のために構築が困難である、大規模で多様で高品質なデータセットに依存する。 本調査では,TSFMとTLLLMの合成データの総合的なレビュー,データ生成戦略の分析,モデル事前学習におけるそれらの役割,微調整,評価,今後の研究方向性の特定について述べる。
  論文  参考訳（メタデータ） (2025-03-14T13:53:46Z)
• On the Opportunities and Risks of Foundation Models [256.61956234436553]
  これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。 本報告では,基礎モデルの可能性とリスクについて概説する。 これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
  論文  参考訳（メタデータ） (2021-08-16T17:50:08Z)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)

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。