arXiv cs.AI· Jaehoon Lee, Jun Seo, Seunghan Lee, Tae Yoon Lim, Dongwan Kang, Hwanil Choi, Minjae Kim, Sungdong Yoo, Junhyeok Kang, Sangjun Han, Soonyoung Lee, Hao Ni, Srijan Sood, Stefan Zohren, Chanyeol Choi, Yongjae Lee, Zhangyang Wang, Lukasz Szpruch, Benjamin Bowring, Wonbin Ahn·· 11 小时前AI 评分38
FinVerse：面向金融时间序列预测的更真实评测基准
FinVerse: Toward More Realistic Evaluation for Financial Time-Series Forecasting
AI 导读
FinVerse 是一个金融时间序列基准，收录 116,897 条序列、171.1M 条观测，按经济语义组织数据，并从逐点预测、横截面排名和组合回测三个维度评估目标序列。
正文 · AI 翻译
作者：Jaehoon Lee、Jun Seo、Seunghan Lee、Tae Yoon Lim、Dongwan Kang、Hwanil Choi、Minjae Kim、Sungdong Yoo、Junhyeok Kang、Sangjun Han、Soonyoung Lee、Hao Ni、Srijan Sood、Stefan Zohren、Chanyeol Choi、Yongjae Lee、Zhangyang Wang、Lukasz Szpruch、Benjamin Bowring、Wonbin Ahn
摘要：时间序列基础模型（TSFM）正越来越多地在广泛基准上接受评估，这些基准对异构时间序列统一应用常规预测评估指标。然而，在金融领域，与决策相关的评估需要超越常规指标，从方向准确率、横截面排名和投资组合结果等方面评估预测。为此，我们推出 FinVerse，一个金融时间序列基准，收集了 116,897 条序列、共 1.711 亿个观测值的广泛集合。FinVerse 根据经济语义组织金融数据，并在逐点预测、横截面排名和投资组合回测中评估目标序列。在 43 个公开 TSFM 上，FinVerse 的模型排名与现有基准 GIFT-Eval 的排名仅呈中等一致性（r=0.43），这表明通用预测基准并未完全捕捉对金融决策至关重要的预测质量方面。此外，模型性能在金融时间序列类别和评估指标之间存在显著差异，这为模型选择提供了更具信息量的依据，使从业者能够根据其目标序列和下游目标识别合适的模型。
| 评论： | 40 页 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.03259 [cs.LG] |
| （或 arXiv:2608.03259v3 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.03259 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jaehoon Lee [查看邮箱]
[v1]
2026 年 8 月 4 日星期二 07:32:42 UTC（106 KB）
[v2]
2026 年 8 月 20 日星期四 09:12:23 UTC（106 KB）
[v3]
2026 年 10 月 23 日星期五 03:59:58 UTC（406 KB）
来源：arXiv cs.AI · arxiv.org