KDD 25 | 时间至关重要：基于风险感知的时序预测与分配框架

主要观点总结

本文介绍了MILA和腾讯KDD'25论文中提出的针对金融领域资金分配问题的解决方案。针对传统方法存在的目标不匹配和忽略不确定性的问题，提出了RTS-PtO和RTS-PnO两个框架。通过线下实验和在线实验验证了RTS-PnO框架的优越性和实际应用价值。

关键观点总结

关键观点1: 研究背景

金融领域的资金分配问题日益凸显其重要性，传统的解决方案存在目标不匹配和忽略不确定性等问题。

关键观点2: 解决方案

提出了RTS-PtO和RTS-PnO两个框架，分别解决预测与决策目标不匹配以及预测不确定性问题。

关键观点3: RTS-PtO框架

采用两阶段解决方案，引入风险约束，通过保形预测量化不确定性。

关键观点4: RTS-PnO框架

采用端到端训练和自适应不确定性度量，通过代理损失函数近似优化层的反馈。

关键观点5: 实验结果

线下实验证明RTS-PnO框架在决策质量上超越了所有基准方法，在线实验在腾讯跨境支付业务中成功将平均决策成本降低了8.4%。

关键观点6: 局限性

推理效率较高，目前仅在单变量时间序列上进行了验证，未来需要探索多变量时间序列的扩展性。

免责声明