双路径语言模型DualCast：12个预测设置中8个误差最低，最长周期全胜！
DualCast: A Dual-Path Language Model for Bimodal Financial Time-Series Forecasting
📖 AI 总结
DualCast是一种面向金融时间序列预测的双路径语言模型框架，旨在同时捕捉异构资产的价格动态并融入预测时点可得的新闻信息。该方法在冻结的Qwen3-8B语言模型基础上扩展了一套离散金融词汇表，将每段对数收益表示为学习到的摘要token与三个残差形状token，以保留局部漂移和波动特征，同时实现形状模式在资产间的共享。为提升码本利用率，作者提出自适应频率均衡残差向量量化方法，在不损失重建精度的前提下重新平衡过载码字。快速路径仅训练新增的金融token嵌入和输出头；可切换的LoRA适配器构成慢速路径，以快速预测和新闻为条件生成修正预测，并通过监督微调初始化，再以收益空间组相对策略优化目标进一步优化。在覆盖股票与能源价格、五分钟至周频的零样本评测中，慢速路径在12个数据集-预测跨度组合中的8个取得最低平均绝对百分比误差，且在所有最长跨度设置中均表现最优。新闻消融实验显示多数场景下可带来额外增益，但幅度因市场而异。该工作将快速数值预测器与可选的文本条件修正机制相结合，为多模态金融预测提供了新思路。
🔑 关键词速览
| DualCast | 一种双路径语言模型框架，用于双模态金融时间序列预测，结合快速数值预测与可选的文本条件修正。 |
| 残差向量量化 | 一种将连续向量离散化为多个码本向量的技术，通过残差逐步逼近原始向量，用于构建离散金融词汇表。 |
| LoRA适配器 | 一种低秩适应方法，通过向预训练模型注入可训练的低秩矩阵来高效微调，此处用于实现慢速路径的文本条件修正。 |
| 组相对策略优化 | 一种强化学习优化目标，通过比较一组样本的相对表现来更新策略，此处用于优化修正器以改进快速预测。 |
| 零样本评估 | 在未见过的数据集或任务上直接评估模型性能，无需针对特定任务进行额外训练。 |
📱 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