从新闻到预测：基于LLM的时间序列预测

文章预览

Content 本文介绍了一种新颖的方法，通过结合大型语言模型（LLMs）和生成代理，来增强时间序列预测。该方法通过语言作为媒介，自适应地将社会事件融入预测模型中，将新闻内容与时间序列的波动对齐，以提供更丰富的洞察力。具体来说，研究者利用基于LLM的代理迭代筛选不相关的新闻，并采用类似人类的推理来评估预测。这使得模型能够分析复杂事件，例如意外事件和社会行为的变化，并不断细化新闻的选择逻辑和代理输出的鲁棒性。通过将选定的新闻事件与时间序列数据集成，研究者微调了预训练的LLM来预测时间序列中的数字序列。结果表明，预测精度显著提高，这表明通过有效利用非结构化新闻数据，可能在时间序列预测中实现范式转变。 1. 引言 时间序列预测是经济、基础设施和社会领域决策的基础。分析时间序列数据的目的是解码复 ………………………………