Résumé - Modèles fondés sur les séries temporelles pour la prévision de séries temporelles financières multivariées

Modèles fondés sur les séries temporelles pour la prévision de séries temporelles financières multivariées

2025-07-09 21:43:06

{"Ben A. Marconi"}

{q-fin.GN,cs.LG}

L'étude "Time Series Foundation Models for Multivariate Financial Time Series Forecasting" de Ben Asher Marconi de l'Imperial College de Londres explore l'efficacité des Modèles Fondamentaux de Séries Temporelles (TSFMs) dans la prédiction de séries temporelles financières. Les TSFMs sont un type de modèle fondamental qui tire parti des patrons appris à partir de divers corpus de séries temporelles pour des applications de prévision spécifiques. L'étude évalue deux TSFMs, Tiny Time Mixers (TTM) et Chronos, sur trois tâches de prévision financière : les changements des rendements des obligations d'État américaines à 10 ans, la volatilité EUR/USD et la prédiction des écarts d'actions. Les résultats montrent que le TTM présente une forte capacité de transfert, nécessitant moins d'années de données qu'un modèle non entraîné pour atteindre des niveaux de performance comparables. La performance du TTM à l'égard du zéro-shot dépasse également les benchmarks naïfs dans la prévision de la volatilité et la prédiction des écarts d'actions, ce qui suggère que les TSFMs peuvent surpasser les modèles de benchmark traditionnels sans ajustement fin. Cependant, bien que le TTM ait surpassé les baselines naïves, les modèles spécialisés traditionnels ont atteint ou dépassé ses performances dans deux des trois tâches, indiquant que les TSFMs privilégient la largeur plutôt que l'optimisation spécifique aux tâches. L'étude conclut que les TSFMs offrent un potentiel substantiel pour la prévision financière, en particulier dans des tâches bruyantes et limitées en données, mais que pour atteindre une performance concurrente, il est probablement nécessaire d'effectuer un pré-entraînement spécifique au domaine et des refinements architecturaux adaptés aux caractéristiques des séries temporelles financières.