GS-FUSE：面向事件驱动金融预测的Granger监督门控融合与多粒度对齐

准确预测重大金融事件对市场的影响，对投资者与政策制定者至关重要。然而，现有多模态时间序列模型通常对称地融合文本与价格，缺乏判断事件文本何时真正具有预测力的显式机制，因而难以利用事件到价格的方向性结构以及文本与价格信号的异质角色。本文提出GS-Fuse，一个基于事件的多模态预测框架，它采用(i)Granger监督、因果感知的门控融合模块，学习仅在事件文本在历史价格之外提供增量预测价值时才向其开放；(ii)多粒度对齐机制，将高层事件表示与细粒度文本线索联合对齐到未来市场轨迹。GS-Fuse构建为即插即用的灵活适配器，置于现成的大语言模型与时间序列基础模型之上，可在多种骨干与市场设置下实例化。在真实世界金融数据集上的大量实验表明，GS-Fuse在多种资产与预测视界上持续优于最先进的时间序列与多模态基线。