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

Vietnamese

Các quan sát cũ hơn có thể giúp một nhà tiên đoán học một mối quan hệ dự đoán trong khi trở nên gây hiểu lầm khi mối quan hệ đó thay đổi. Chúng tôi nghiên cứu căng thẳng này bằng cách sử dụng các lịch sử trở lại ghép đôi khác nhau trong các quan sát cũ hơn nhưng chia sẻ lợi nhuận gần đây và phân phối có điều kiện của sự trở lại tiếp theo. Qua năm thủ tục dự đoán mô hình nền tảng và ba quy trình mô phỏng, mỗi lần được đánh giá trên 1.024 bản sao độc lập, lịch sử xung đột làm giảm khả năng cải thiện ở mức không trong tất cả 30 so sánh tín hiệu cao hơn. Mất hiệu quả này xảy ra mặc dù phục hồi tín hiệu thành công trong điều kiện ổn định. Một so sánh khám phá riêng biệt trên 56 tài sản cho thấy rằng rút ngắn các đầu vào từ 256 đến 64 trở lại làm tăng tỷ lệ lỗi tuyệt đối cho mỗi mô

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