港中文（深圳）与悉尼大学团队联合提出基于新闻事件驱动和大语言模型的时间序列预测方法

文章预览

由香港中文大学（深圳）赵俊华教授课题组与悉尼大学邱靖教授课题组联合提出的基于新闻事件驱动和大语言模型的时间序列预测方法——《From News to Forecast: Iterative Event Reasoning in LLM-Based Time Series Forecasting》，近期被 AI 领域顶会 NeurIPS 接收。该方法通过大语言模型对时间序列数据和新闻文本的推理，显著提升了在突发事件和社会行为结构性变化时的时间序列预测精度。 研究表明，基于文本和 LLM 推理的时间序列预测有望引领新的研究范式。 时间序列预测是经济和社会领域决策的重要依据。传统预测方法虽能识别历史数据中的普遍模式，但在应对外部随机事件引发的突发变化时存在局限，也未能有效关联社会事件与时间序列波动。 因此，将现实事件及其对社会和经济行为的影响融入预测，对于提高预测的准确性至关重要。 新闻文章和其他相关文 ………………………………