面向跨境支付的时序大模型

蚂蚁国际日前发布自研时序预测大模型「鹰序 TST」（FalconTST，Time-Series Transformer）2.0 版。该模型专为跨境支付外汇风险管理打造，并将拓展至电商供应链需求预测、航空运营管理等更多行业场景。在全球权威基准测试中，其平均绝对比例误差（MASE）降至 0.666，超越多家全球顶尖科技公司的时间序列预测模型。

目前，巴克莱银行、花旗银行、德意志银行、渣打银行等大型金融机构已将「鹰序 TST」2.0 应用于现金流预测与外汇管理，预测准确率稳定超过 93%。巴克莱将其整合进外汇对冲平台 BARX NetFX，渣打将其接入 SCALE FX 系统并作为新加坡金融管理局 PathFin.ai 计划的一部分。

  • 高级缺失数据处理：区分周末无银行交易等缺失数据与真实零值，减少误导性模式
  • 跨行业泛化：通过 ORBIT 技术学习金融、零售、能源、旅游中的通用时间序列模式，直接应用于新的商业场景
  • 多频率支持：单一架构同时处理秒级支付数据、小时级资金需求、日级航空需求与月级经济指标

蚂蚁国际表示，传统预测体系往往只适用于单个行业、彼此割裂，而「鹰序 TST」从金融、零售、能源及旅游等多领域数据中学习周期、趋势、季节性与突发变动背后的通用时间模式，目标是实现跨客户、跨行业的预测能力复用。

大语言模型展示的是理解与生成信息的能力，时序模型回答的则是另一个问题：资金何时、以多大规模、以什么币种流动。