Forecast Collapse in Time-Series Foundation Models
作者: Shu Wan, Miles Ma, Hank Zhu, Guangqi Liu, Stephen Wang, Qingsong Wen, Huan Liu
分类: cs.LG, cs.AI, cs.CE, stat.AP, stat.ML
发布日期: 2026-08-14
备注: 27 pages, 3 figures, 5 tables. Dataset: https://huggingface.co/datasets/abel-lab/finance1k
💡 一句话要点
提出CalibRank以解决时间序列预测中的预报崩溃问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 时间序列预测 深度学习 金融分析 模型优化 交叉相关性 CalibRank 预测崩溃
📋 核心要点
- 现有时间序列预测模型在处理股票收益时，出现了预测崩溃现象，导致预测结果平坦且排名不佳。
- 论文提出CalibRank作为新的目标函数，旨在优化校准与排名之间的权衡，提升预测性能。
- 实验结果表明，CalibRank在Finance1K数据集上将交叉相关性提高近三倍，同时保持预测幅度接近目标，显著改善了模型性能。
📝 摘要（中文）
在对1000只美国股票进行每小时收益预测时，研究发现预测结果趋于平坦且股票排名较差，这一现象被称为预测崩溃。令人惊讶的是，当预测交易量时，这一现象几乎消失。研究表明，预测崩溃与目标可预测性密切相关，主要原因包括低可预测性限制了校准点预测的幅度，以及每个序列目标未能识别跨序列结构。为了解决这一问题，论文提出了CalibRank，一种平衡校准与排名的目标函数，显著提高了交叉相关性，同时保持预测幅度接近目标。
🔬 方法详解
问题定义：本研究旨在解决时间序列预测中的预测崩溃问题，现有方法在股票收益预测中表现不佳，导致预测结果平坦且排名失效。
核心思路：论文提出CalibRank，通过优化校准和排名之间的权衡，来改善预测的准确性和有效性。该方法通过直接优化交叉相关性来提升模型的排名能力。
技术框架：整体框架包括数据预处理、模型训练和评估三个主要阶段。首先，对输入数据进行标准化处理，然后使用深度学习模型进行训练，最后通过CalibRank目标函数进行评估和优化。
关键创新：最重要的创新在于引入了CalibRank目标函数，它有效地平衡了预测的校准与交叉排名，解决了传统方法中存在的校准-排名权衡问题。
关键设计：在模型训练中，使用了平方误差损失函数和交叉相关性损失函数的组合，确保模型在优化时能够兼顾预测的准确性和排名的有效性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，使用CalibRank后，模型在Finance1K数据集上的交叉相关性几乎提高了三倍，同时预测幅度保持接近目标。这一显著提升表明，CalibRank在解决传统时间序列预测中的盲点方面具有重要价值。
🎯 应用场景
该研究的潜在应用领域包括金融市场分析、投资组合管理和高频交易等。通过改善时间序列预测的准确性，CalibRank可以帮助投资者做出更明智的决策，从而提高投资回报率。未来，该方法也可以扩展到其他领域的时间序列预测任务，如气象预测和供应链管理。
📄 摘要（原文）
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. 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: low predictability limits the amplitude of calibrated point forecasts, while per-series objectives leave cross-series structure unidentified. 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. 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.