Buchumschlag

The Label Horizon Paradox: Rethinking Supervision Targets in Financial Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Chen-Hui, Liu, Shuoling, Chen, Liyuan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CN-Buzz2Portfolio: A Chinese-Market Dataset and Benchmark for LLM-Based Macro and Sector Asset Allocation from Daily Trending Financial News
von: Chen, Liyuan, et al.
Veröffentlicht: (2026)

From Intent to Evidence: A Categorical Approach for Structural Evaluation of Deep Research Agents
von: Liu, Shuoling, et al.
Veröffentlicht: (2026)

Advancing Financial Engineering with Foundation Models: Progress, Applications, and Challenges
von: Chen, Liyuan, et al.
Veröffentlicht: (2025)

Beyond the Pre-Service Horizon: Infusing In-Service Behavior for Improved Financial Risk Forecasting
von: Liu, Senhao, et al.
Veröffentlicht: (2025)

Can ChatGPT Overcome Behavioral Biases in the Financial Sector? Classify-and-Rethink: Multi-Step Zero-Shot Reasoning in the Gold Investment
von: Liu, Shuoling, et al.
Veröffentlicht: (2024)

Rethinking Consistent Multi-Label Classification Under Inexact Supervision
von: Wang, Wei, et al.
Veröffentlicht: (2025)

Adaptive Spatio-Temporal Graphs with Self-Supervised Pretraining for Multi-Horizon Weather Forecasting
von: Liu, Yao
Veröffentlicht: (2025)

LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling
von: Pan, Sheng, et al.
Veröffentlicht: (2026)

Supervised Autoencoder MLP for Financial Time Series Forecasting
von: Bieganowski, Bartosz, et al.
Veröffentlicht: (2024)

Weakly Supervised Label Learning Flows
von: Lu, You, et al.
Veröffentlicht: (2023)

Learning Label Refinement and Threshold Adjustment for Imbalanced Semi-Supervised Learning
von: Li, Zeju, et al.
Veröffentlicht: (2024)

Is GPT-OSS All You Need? Benchmarking Large Language Models for Financial Intelligence and the Surprising Efficiency Paradox
von: Bi, Ziqian, et al.
Veröffentlicht: (2025)

Integrating Inductive Biases in Transformers via Distillation for Financial Time Series Forecasting
von: Den, Yu-Chen, et al.
Veröffentlicht: (2026)

ReNF: Rethinking the Design of Neural Long-Term Time Series Forecasters
von: Lu, Yihang, et al.
Veröffentlicht: (2025)

Rethinking Traffic Flow Forecasting: From Transition to Generatation
von: Shijiao, Li, et al.
Veröffentlicht: (2025)

Rethinking Self-Distillation: Label Averaging and Enhanced Soft Label Refinement with Partial Labels
von: Jeong, Hyeonsu, et al.
Veröffentlicht: (2024)

Interpret Policies in Deep Reinforcement Learning using SILVER with RL-Guided Labeling: A Model-level Approach to High-dimensional and Multi-action Environments
von: Qian, Yiyu, et al.
Veröffentlicht: (2025)

Rethinking Semi-Supervised Imbalanced Node Classification from Bias-Variance Decomposition
von: Yan, Liang, et al.
Veröffentlicht: (2023)

Not All Data are Good Labels: On the Self-supervised Labeling for Time Series Forecasting
von: Yang, Yuxuan, et al.
Veröffentlicht: (2025)

Federated Learning for Financial Forecasting
von: Noseda, Manuel, et al.
Veröffentlicht: (2025)

DiCaP: Distribution-Calibrated Pseudo-labeling for Semi-Supervised Multi-Label Learning
von: Han, Bo, et al.
Veröffentlicht: (2025)

Rethinking Post-Training Recipes for Multimodal Time-Series Forecasting
von: Liu, Haoxin, et al.
Veröffentlicht: (2026)

Rethinking Molecular OOD Generalization via Target-Aware Source Selection
von: Lin, Zhuohao, et al.
Veröffentlicht: (2026)

Unified Flow Matching for Long Horizon Event Forecasting
von: Shou, Xiao
Veröffentlicht: (2025)

Multi-Modality Spatio-Temporal Forecasting via Self-Supervised Learning
von: Deng, Jiewen, et al.
Veröffentlicht: (2024)

Label-Agnostic Forgetting: A Supervision-Free Unlearning in Deep Models
von: Shen, Shaofei, et al.
Veröffentlicht: (2024)

Bringing Clustering to MLL: Weakly-Supervised Clustering for Partial Multi-Label Learning
von: Chen, Yu, et al.
Veröffentlicht: (2026)

Noise-Resilient Point-wise Anomaly Detection in Time Series Using Weak Segment Labels
von: Wang, Yaxuan, et al.
Veröffentlicht: (2025)

A Controlled Comparison of Deep Learning Architectures for Multi-Horizon Financial Forecasting: Evidence from 918 Experiments
von: Saidd, Nabeel Ahmad
Veröffentlicht: (2026)

How Label Imbalance Shapes Geometry: A General Spectral Analysis of Multi-Label Neural Collapse
von: Ma, Xiaoxuan, et al.
Veröffentlicht: (2026)

Labels Matter More Than Models: Rethinking the Unsupervised Paradigm in Time Series Anomaly Detection
von: Zhong, Zhijie, et al.
Veröffentlicht: (2025)

ForecastGAN: A Decomposition-Based Adversarial Framework for Multi-Horizon Time Series Forecasting
von: Fatima, Syeda Sitara Wishal, et al.
Veröffentlicht: (2025)

Progressive Neural Network for Multi-Horizon Time Series Forecasting
von: Lin, Yang
Veröffentlicht: (2023)

Progressive Supervision via Label Decomposition: An Long-Term and Large-Scale Wireless Traffic Forecasting Method
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

Reasoning through Verifiable Forecast Actions: Consistency-Grounded RL for Financial LLMs
von: Chen, Jialin, et al.
Veröffentlicht: (2026)

Transferable and Forecastable User Targeting Foundation Model
von: Dou, Bin, et al.
Veröffentlicht: (2024)

Rising Multi-Armed Bandits with Known Horizons
von: Song, Seockbean, et al.
Veröffentlicht: (2026)

Forecasting with Guidance: Representation-Level Supervision for Time Series Forecasting
von: Wang, Jiacheng, et al.
Veröffentlicht: (2026)

Semi-Supervised Multi-Label Feature Selection with Consistent Sparse Graph Learning
von: Zhong, Yan, et al.
Veröffentlicht: (2025)

The Multi-Query Paradox in Zeroth-Order Optimization
von: Lin, Wei, et al.
Veröffentlicht: (2025)