
三个时间序列基础模型零样本预测美股表现不及基准
来源标题:Can time series foundation models predict stock prices?
谷歌TimesFM 3.0、亚马逊Chronos-2和Datadog Toto 2.0在零样本、默认设置下预测24只美股和ETF的走势,方向准确率仅49.9%至51.1%,低于始终预测上涨的52.2%。在1、5、20天周期上,各模型误差均略大于不预测变化,预测与真实走势相关性为-0.02至-0.01。按模型看涨信号择时交易,1万美元变为1.09万至1.22万美元,而每日持有全部24只则变为1.50万美元。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Can Time Series Foundation Models Predict Stock Prices? 一文背后的代码,来自 moneyheap 博客:三个时间序列基础模型,零样本,对 24 只美国大型股票和 ETF 的两年日线价格进行预测,并与简单基线和随机游走进行评分对比。 模型:TimesFM 3.0(Google)、Chronos-2(Amazon)和 Toto 2.0 313m(Datadog),默认设置,未做微调。 每个模型在测试期每个交易日对 SPY 的 20 天预测,与基于 SPY 自身历史每日波动构建的十条可能路径以及实际发生的情况(虚线)并列。交互版本可以选择股票和模型。 方向:次日方向准确率在 49.9% 到 51.1% 之间。总是说“上涨”的准确率是 52.2%。在随机游走上——按构造本就无法预测——模型的得分与在真实股票上相同。 精度:在提前 1 天、5 天和 20 天时,每个模型的误差都略大于预测无变化。预测与实际走势的相关性在 -0.02 到 -0.01 之间。 回测:仅在模型预测上涨的日子持有某只股票,每次切换成本 0.05%,$10,000 变成 $10,893 到 $12,181。每天持有全部 24 只则变成 $15,036。 区间:10%-90% 区间有 72% 到 80% 的时间覆盖了真实价格。基于过去 60 天波动的简单区间覆盖率为 79% 到 82%。 盘中:在小时线和 5 分钟 K 线上,模型同样处于抛硬币水平;一条“上一波动会反转”的单行规则在 5 分钟 K 线上表现更好。 完整报告,包括交互图表和测试的局限性,在博客上。 24 个标的:SPY、QQQ、IWM 以及跨行业的 21 只美国大型股票(fetch.py)。 来自 Yahoo Finance 的日收盘价,2014 年 1 月 2 日至 2026 年 11 月 6 日,经拆股和分红调整。 从 2024 年 11 月 1 日起的 504 个交易日中,每个交易日使用前 512 个收盘价,对提前 1 到 20 天进行预测,包含 10%、50% 和 90% 分位数。 对照:每只标的模拟一条随机游走,起始价格、漂移率和波动率相同。 盘中:小时线(最近 730 天)和 5 分钟线(最近 60 天),常规交易时段,512 根历史 K 线,预测接下来 12 根 K 线。 运行方式 pip install -r requirements.txt python3 fetch.py # data/prices.csv python3 forecast.py # data/forecasts/<model>.npz,需要 CUDA GPU python3 analyze.py # data/results.json 和 charts/*.svg python3 intraday.py 1h 5m # data/intraday-<interval>.csv 和 data/intraday-results.json 从该文件夹运行脚本。在 RTX 4090 上,forecast.py 每个模型需要 10 到 60 秒;传入模型名称(timesfm-3、chronos-2、toto-2)可以只运行部分模型。 仓库包含结果(data/results.json、data/intraday-results.json)和图表,但不包含 Yahoo Finance 价格或基于这些价格生成的预测:fetch.py 会重新下载价格。Yahoo Finance 会不时修订旧数据,且仅保留 60 天的 5 分钟 K 线,因此重新运行的结果可能与我们的略有不同。 这仅基于价格历史对模型进行测试:没有新闻、成交量或其他协变量,没有微调,仅覆盖一个两年期的总体上涨市场。部分模型可能在预训练中见过测试期的一部分数据,这会让它们的结果偏乐观。 这是研究,不是财务建议,也不是买卖任何证券的推荐。 由 Adel Zakirov 在 moneyheap 制作。MIT 许可证。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。