跳转至

时间序列基础模型中的预测崩溃现象

文章背景与核心概要

在使用时间序列基础模型（TSFMs）和深度学习架构对 1,000 只美股的小时收益率进行预测时，研究人员发现了一个意外现象：预测结果会意外地崩溃为平滑的直线，且股票排序表现极差（通过截面相关性衡量）。然而，在相同的设置下预测交易量时，这种现象大体上会消失。这一发现揭示了传统时间序列评估中的一个盲区：单序列指标可能会掩盖下游决策所需的跨序列结构失效。

为了深入探究这一现象，研究人员跨越了多个时间序列基础模型、12个深度学习模型以及 97 种公共基准配置，研究了这种“预测崩溃”（Forecast Collapse）现象，发现它与目标可预测性深度绑定。研究揭示了一个根本性的校准-排序权衡（calibration-ranking tradeoff）：优化平方误差会导致平滑且无信息的预测，而优化截面相关性则能改善排序，但会使预测幅度膨胀一个多数量级。

为了解决这一矛盾，作者引入了一种名为 CalibRank 的全新目标函数。该函数平衡了校准与排序，在 Finance1K 数据集上将截面相关性提升了近三倍，同时保持了目标幅度。该研究为理解和改进金融及低可预测性场景下的时间序列基础模型提供了重要的理论与实践支撑。

摘要 (Abstract)

当对 1,000 只美国股票的小时收益率进行预测时，我们观察到一个意料之外的现象：预测结果变得几乎扁平，并且通过截面相关性衡量，股票排序表现极差。我们将这种现象称为预测崩溃（forecast collapse）。令人惊讶的是，在相同的设置下预测交易量时，这种现象在很大程度上消失了。

When forecasting hourly returns for 1,000 US equities, we observe an unexpected phenomenon: predictions become nearly flat and show poor stock ranking, as measured by cross-sectional correlation. We call this forecast collapse. Surprisingly, the phenomenon largely disappears when forecasting trading volume under the same setting.

我们在时间序列基础模型（TSFMs）、十二个深度学习预测模型以及 97 个公共基准配置中对预测崩溃进行了深入研究，发现它与目标可预测性密切相关。我们识别出了其背后的两个主要原因： 1. 低可预测性限制了校准点预测的幅度。 2. 逐序列（Per-series）优化目标导致跨序列结构无法被识别。

We investigate forecast collapse across time-series foundation models (TSFMs), twelve deep-learning forecasting models, and 97 public benchmark configurations, and find that it is closely tied to target predictability. We identify two distinct reasons behind it: 1. Low predictability limits the amplitude of calibrated point forecasts. 2. Per-series objectives leave cross-series structure unidentified.

这些发现揭示了一个校准-排序权衡：优化平方误差会导致扁平的预测，而直接优化截面相关性虽然能改善排序，但却会使预测幅度膨胀一个多数量级以上。

These findings reveal a calibration-ranking tradeoff: optimizing squared error leads to flat predictions, whereas directly optimizing cross-sectional correlation improves ranking but can inflate forecast amplitude by more than an order of magnitude.

为了应对这一权衡，我们引入了 CalibRank，这是一个平衡校准与排序的简单目标函数。在 Finance1K 上，CalibRank 将截面相关性提升了近三倍，同时使预测幅度接近目标，并且在所有测试模型上都改善了相关性。我们的结果揭示了传统时间序列评估中的一个盲区：单序列指标可能会掩盖下游决策所需的跨序列结构失效。

To address this tradeoff, we introduce CalibRank, a simple objective that balances calibration and ranking. On Finance1K, CalibRank nearly triples cross-sectional correlation while keeping amplitude close to the target, and improves correlation on all tested models. Our results reveal a blind spot in conventional time-series evaluation: per-series metrics can hide failures in cross-series structure needed by downstream decisions.

论文元数据 (Paper Metadata)

  • arXiv ID: arXiv:2608.14106 [cs.LG]
  • 学科分类: 机器学习 (cs.LG); 人工智能 (cs.AI); 计算工程、金融与科学 (cs.CE); 应用统计学 (stat.AP); 机器学习 (stat.ML)
  • 提交日期: 2026年8月14日
  • 作者: Shu Wan, Miles Ma, Hank Zhu, Guangqi Liu, Stephen Wang, Qingsong Wen, Huan Liu
  • 数据集: Hugging Face - Finance1K Dataset

核心要点 (Key Takeaways)

  • 现象表现：时间序列基础模型和标准深度学习模型在预测低可预测性目标（如资产收益率）时，会遭遇预测崩溃，导致点预测扁平且毫无信息量。
  • 根本原因：由低目标可预测性（限制了预测幅度）与标准逐序列优化目标（无法捕捉跨序列结构）共同驱动。
  • 核心权衡：校准（最小化平方误差）与排序（截面相关性）之间存在根本性的张力。
  • 解决方案 (CalibRank)：提出了一种新的目标函数，能够有效平衡校准与排序，在多个模型上显著提升截面相关性的同时，不会造成预测幅度的灾难性膨胀。
  • The Phenomenon: Time-series foundation models and standard deep learning models suffer from forecast collapse when predicting low-predictability targets (like asset returns), resulting in flat, uninformative point forecasts.
  • The Root Cause: Driven by a combination of low target predictability (restricting forecast amplitude) and standard per-series optimization objectives (which fail to capture cross-series structures).
  • The Tradeoff: A fundamental tension exists between calibration (minimizing squared error) and ranking (cross-sectional correlation).
  • The Solution (CalibRank): A newly proposed objective function that effectively balances calibration and ranking, significantly improving cross-sectional correlation across multiple models without catastrophically inflating forecast amplitudes.