Macroeconomic Forecasting with Large Language Models
使用大语言模型进行宏观经济预测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以 FRED-MD 宏观时间序列为基准，比较大语言模型与传统宏观预测方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
使用大语言模型进行宏观经济预测
- 研究问题
- 大语言模型用于宏观经济时间序列预测时，与传统预测方法相比准确性如何，其优势和局限在共同数据基准上能否得到辨识？
- 方法与思路
- 作者使用 FRED-MD 数据库作为共同评估基础，比较大语言模型与传统宏观时间序列预测方法；摘要未说明具体模型及评估协议。
- 材料陈述的贡献
- 摘要称，比较分析提供了有关大语言模型宏观预测能力及现实适用性的认识，但未报告哪类模型占优或任何具体精度结果。
- 阅读关注点
- 应核对模型和传统基准的选择、预测期与滚动评估设计，以及数据版本、训练信息泄漏和预测误差比较是否得到妥善处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出指标、样本划分或数值结果，不能据此断言大语言模型优于传统方法。
原文摘要
This paper presents a comparative analysis evaluating the accuracy of Large Language Models (LLMs) against traditional macro time series forecasting approaches. In recent times, LLMs have surged in popularity for forecasting due to their ability to capture intricate patterns in data and quickly adapt across very different domains. However, their effectiveness in forecasting macroeconomic time series data compared to conventional methods remains an area of interest. To address this, we conduct a rigorous evaluation of LLMs against traditional macro forecasting methods, using as common ground the FRED-MD database. Our findings provide valuable insights into the strengths and limitations of LLMs in forecasting macroeconomic time series, shedding light on their applicability in real-world scenarios