谷歌发布新型时间序列预测模型TimesFM 可预测股市、天气等

Google Research最近开发了一种创新的时间序列预测模型，名为TimesFM（Time Series Foundation Model）。这项技术能够利用大量历史数据来学习事件的模式和趋势，进而对新的、未见过的数据做出准确的预测。时间序列预测在商业、金融、科研等多个领域都极为重要，能够帮助人们做出更明智的决策。

图源备注：图片由AI生成，图片授权服务商Midjourney

模型特点

TimesFM是一种预训练的仅解码器基础模型，专门针对时间序列预测而设计。它无需编码器，优化了对上下文长度最多512个时间点和任何时间跨度的单变量时间序列预测。模型专注于点预测，尽管提供了分位数头部的实验性支持，但在预训练后尚未进行校准，因此不提供概率预测。

核心功能

优化预测:针对上下文长度最多512个时间点的单变量时间序列进行优化。

点预测:专注于点预测而非概率预测。

API支持:提供API以支持数组输入或Pandas数据框进行预测。

频率适应性:支持不同频率的时间序列输入，并提供频率指示器。

预训练模型:提供预训练的模型检查点，方便用户使用。

TimesFM的应用范围广泛，商家可以利用它来预测未来产品的需求，金融分析师可以预测股市的变动，甚至可以用于预测天气变化。通过这种模型，企业和个人可以更好地规划未来，减少不确定性带来的风险。

TimesFM的推出，标志着时间序列预测技术的又一进步。它不仅能够提高预测的准确性，还能加快预测的速度，这对于需要快速响应市场变化的企业和机构来说尤为重要。此外，TimesFM的预训练特性也意味着用户可以快速部署模型，而无需从头开始训练，大大节省了时间和资源。

随着TimesFM的不断发展和完善，我们可以预见，它将在未来的数据分析和预测领域发挥越来越重要的作用。Google Research的这一创新成果，无疑为时间序列预测领域带来了新的活力和可能性。

项目地址：https://github.com/google-research/timesfm