19.08.2024 | Research

Nutzen von Large-Language-Modellen in der Zeitreihenanalyse

Large Language Models (LLMs) verbessern trotz des erheblich höheren Berechnungsaufwandes die Prognosegüte bei Zeitreihenanalysen nicht, zeigt ein Research Paper eines Teams der Universitäten von Washington und Virginia. Mittels Ablationsstudien untersuchen die Autoren drei verbreitete LLM-basierte Zeitreihen-Prognosemodelle. Werden die LLMs durch einfache Attention Layers ersetzt oder gar das Sprachmodell vollständig entfernt, führt dies nicht zu einer Verschlechterung der Prognoseergebnisse, sondern verbessert diese sogar in den meisten Fällen.


LLM-Ablationsmethoden


Quelle: Tan, Merrill, Gupta, Althoff, Hartvigsen, 2024


Weiterhin zeigt sich, dass trotz des hohen Rechenaufwands das Vortrainieren von LLMs keine Auswirkungen auf die Prognosegüte hat.  


Absolut Research unterstützt institutionelle Investoren bei der Bewertung eigener und der Selektion neuer Asset Managern mit der monatlich erscheinenden Publikationsreihe Absolut|ranking und den 360-Grad-Analysen (Peer-/ Benchmark-/ Factor-/ Asset-Flow-Analysen).
Insgesamt analysiert Absolut|ranking mehr als 16.000 aktive und passive Strategien von 2.000 Asset Managern, aufgeteilt auf 36 Asset-Klassen und Marktsegmente sowie mehr als 200 Universen. Individuelle Mandate und Spezialfonds können ebenfalls untersucht werden.

Abonnenten von Absolut Research können weiterführende Informationen hier herunterladen:
Mehr zum Thema "Artificial Intelligence"
zurück