Chronologically Consistent Generative AI

本报告介绍了一系列具有严格时间戳限制的指令式大语言模型(ChronoGPT-Instruct),旨在消除训练中的先见偏差,实现训练数据与预测任务时间的完全时序隔离。通过多阶段数据精筛和验证,确保模型无未来信息泄漏,同时保留一定的预测能力。以金融新闻为例,构建基于模型输出的交易组合回测,证明至少有54%的预测能力在无泄漏情况下仍然存在,为研究者提供了衡量大语言模型免泄漏预测能力的基准工具

本报告介绍了一系列具有严格时间戳限制的指令式大语言模型(ChronoGPT-Instruct),旨在消除训练中的先见偏差,实现训练数据与预测任务时间的完全时序隔离。通过多阶段数据精筛和验证,确保模型无未来信息泄漏,同时保留一定的预测能力。以金融新闻为例,构建基于模型输出的交易组合回测,证明至少有54%的预测能力在无泄漏情况下仍然存在,为研究者提供了衡量大语言模型免泄漏预测能力的基准工具

本文提出了ChronoBERT与ChronoGPT两套时间一致的大型语言模型,通过限制训练数据仅使用当时可获得的信息,解决了传统语言模型中存在的“未来数据泄露”问题。实验证明,即使在严格的时间约束下,这些模型依然在语言理解任务及资产定价预测中表现优异,能显著提升基于金融新闻的股票收益预测的Sharpe比率,且在财务领域应用的未来偏见影响有限,确保了模型预测的可信性与实用性。

本文提出一种嵌入央行支持的混合货币生态安全架构,通过100%储备支持、互操作赎回通道及常备流动性设施,有效缓解稳定币的流动性风险。基于2023年SVB银行崩溃导致USDC脱钩的案例,模型显著降低了钉住偏离峰值、缩短压力持续时间并稳定赎回队列,为稳定币与CBDC的融合提供结构性保障路径。