Time series foundation-модели

В задачах time series еще строят foundation-модели. За счет претрейна на сотнях миллиардов точек модель из коробки понимает тренды и сложную сезонность - не нужно придумывать самому признаки.

Текущая SOTA от Google — TimesFM-2.5 (2025 год). Архитектурно это декодерная модель, в которой временной ряд бьется на патчи: это позволяет смотреть не на отдельные точки, а на динамику. Обучали ее на реальных данных и синтетике. Как итог, ко второй версии получилась достаточно легкая модель на 200M параметров.

Я решил проверить, как это работает на реальных данных (выбор пал на акции). Временные ряды - это сложно: от выбора лосса и метрик результаты меняются сильно. Удивительно TimesFM-2.5 неплоха, правда, наивное предсказание не хуже (real sota 😐), но тут делаем поблажку на домен. На картинке пример как все отработало на одном из рядов

https://github.com/Diyago/timeseries-research