基础模型干翻电价预测？9个模型实测：只有TabPFN全胜，但赚钱还得看场景！
Foundation models for electricity price forecasting and battery arbitrage: Can they replace market-specific forecasting models?
📖 AI 总结
该研究系统评估了基础模型能否替代电力价格预测的专用模型。研究比较了五个基础模型家族的九个变体，在零样本模式下对德国、波兰和西班牙三国2021-2025年电力市场进行预测，并与两个最先进的专用基准模型对比，从点预测、概率预测精度及电池储能套利的经济价值三个维度衡量。结果显示，仅TabPFN模型在所有市场和统计指标上持续显著优于基准，但其统计优势并未完全转化为经济优势：TabPFN在无限竞价和风险较高的分位数策略下表现最佳，而风险容忍度较低时，分布深度神经网络基准模型盈利更高。研究结论表明，基础模型无法普遍替代市场专用模型，其价值取决于模型架构和具体决策场景。
🔑 关键词速览
| Foundation models | 基础模型，指在大规模数据上预训练、可适应多种任务的通用模型。 |
| Zero-shot mode | 零样本模式，指模型在未针对特定任务进行微调的情况下直接进行预测。 |
| TabPFN | 一种基于表格数据的基础模型，利用先验拟合网络进行预测。 |
| Distributional Deep Neural Network | 分布深度神经网络，一种输出概率分布而非点预测的深度学习模型。 |
| Battery arbitrage | 电池套利，利用电价波动低价充电、高价放电以获取经济收益的策略。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅