Newest papers

Conflicting History in Foundation Model Return Forecasts

Levent Bulut · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.25822 · cited by 0 works (OpenAlex) · open-access PDF

French

Des observations plus anciennes peuvent aider un prédicteur à apprendre une relation prédictive tout en devenant trompeur lorsque cette relation change. Nous étudions cette tension en utilisant des histoires de retour partagées qui diffèrent dans les observations plus anciennes mais partagent les rendements récents et la répartition conditionnelle du retour suivant. À travers cinq procédures de prédiction de modèle de base et trois processus simulés, chacun évalué sur 1 024 répliques indépendantes, l'historique en conflit réduit la probabilité d'amélioration à zéro dans toutes les 30 comparaisons de signaux plus élevés. Cette perte d'utilité se produit malgré la récupération réussie du signal dans des conditions stables. Une comparaison exploratoire séparée sur 56 actifs montre

Machine translation (Meta M2M100); the English original follows.

Abstract

Older observations can help a forecaster learn a predictive relationship while becoming misleading when that relationship changes. We study this tension using paired return histories that differ in older observations but share recent returns and the conditional distribution of the next return. Across five foundation-model forecasting procedures and three simulated processes, each evaluated on 1,024 independent replications, conflicting history reduces the probability of improving on zero in all 30 higher-signal comparisons. This loss of usefulness occurs despite successful signal recovery under stable conditions. A separate exploratory comparison on 56 assets finds that shortening inputs from 256 to 64 returns increases mean absolute error for every model by 1.77-4.58 basis points; neither length improves observed overall error over zero. The evidence distinguishes the ability to extract a signal from the ability to withstand conflicting history, while showing why context sensitivity alone does not justify discarding older data.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Econometrics, Context (archaeology), Economics, Actuarial science, Forecast error, Statistics

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange