DualCast：用于双峰金融时间序列预测的双路径语言模型

金融时间序列预测必须捕捉异构资产的价格动态，同时纳入预测时可用的新闻。我们引入 DualCast，这是一个双路径框架，它用离散的金融词汇扩展了冻结的语言模型。每个日志返回补丁都由一个学习的摘要标记和三个残余形状标记表示，保留局部漂移和波动性，同时允许在资产之间共享形状模式。为了提高码本利用率，我们开发了自适应频率均衡残差矢量量化，它可以在不影响重建精度的情况下重新平衡过载的码字。快速路径仅在冻结的 Qwen3-8B 主干上训练新的金融词元嵌入和输出头。可切换的 LoRA 适配器支持慢速路径，以快速预测和预测源处可用的新闻为条件，以生成修改后的预测。修正器通过监督微调进行初始化，并使用返回空间组相对策略优化目标进行进一步优化，该目标奖励对快速预测的改进。在以五分钟、每日和每周分辨率覆盖股票和能源价格的零样本评估中，慢速路径在 12 个数据集水平设置中的 8 个（包括每个最长水平设置）中实现了比较方法中最低的平均绝对百分比误差。新闻消融表明在大多数测试环境中都有额外收益，尽管其幅度因市场而异。因此，DualCast 将快速数值预报器与可选的文本条件修正机制结合在一起。