详细内容或原文请订阅后点击阅览
BISTRO：时间序列的“ChatGPT”
Batuhan Koyuncu、Byeungchun Kwon、Marco Jacopo Lombardi、Fernando Perez-Cruz 和 Hyun Song Shin 介绍 BISTRO – BIS 时间序列回归预言机。它就像预测宏观时间序列的 ChatGPT：宏观经济变量的预测是经济政策的关键输入，但传统的计量经济学方法存在模型需要针对特定任务进行定制的局限性。 [...]
来源:Mostly EconomicsBISTRO：时间序列的“ChatGPT”
Batuhan Koyuncu、Byeungchun Kwon、Marco Jacopo Lombardi、Fernando Perez-Cruz 和 Hyun Song Shin 介绍 BISTRO – BIS 时间序列回归预言机。它就像一个用于预测宏观时间序列的 ChatGPT：
宏观经济变量的预测是经济政策的关键输入，但传统的计量经济学方法存在模型需要针对特定任务进行定制的局限性。大型语言模型 (LLM) 的出现开启了一个诱人的前景：单一通用模型可以处理多种任务。
本文介绍了 BIS 时间序列回归预言机 (BISTRO)，这是一种用于宏观经济预测的通用时间序列模型。 BISTRO 以法学硕士底层的变压器架构为基础，在国际清算银行维护的大型宏观经济数据存储库上进行了微调。我们通过评估该模型对 2021 年通胀飙升的预测效果来检验该模型的性能。
与机械地预测均值回归的标准基准相比，BISTRO 正确地预测了通胀浪潮的持续性。这凸显了它适应数据中不熟悉的模式的能力。因此，BISTRO 有望产生可靠的基线预测和情景分析。
在这里尝试 BISTRO。
此条目发布于 2026 年 3 月 20 日上午 11:35，归档于学术研究和研究论文、中央银行/货币政策、经济 - 宏观、微观等、金融市场/金融。 您可以通过 RSS 2.0 feed 关注对此条目的任何回复。您可以留下回复，或从您自己的网站进行引用。