FalconTST 2.0 在顶级全球基准测试的 MASE 指标上实现了最先进的性能。
银行使用 FalconTST 2.0 来更好地预测流动性风险，其中巴克莱银行、花旗银行、德意志银行和渣打银行已集成 FalconTST 2.0 用于现金流预测和外汇管理。
FalconTST 2.0 已持续实现 >93% 的预测准确率，现已准备好在更广泛的行业中应用，包括物流、航空、电子商务以及金融领域。
上海/新加坡 – 蚂蚁国际推出了其迄今为止最先进的时间序列Transformer (TST) AI模型2.0版本——Falcon TST。该模型旨在为跨境支付的实际外汇风险管理提供更精准的预测，未来还将应用于更多行业场景，例如电商平台的供应链需求预测以及航空业的预测性运营管理。
FalconTST 2.0 在全球顶级公开时间序列基础模型评测基准的平均绝对标度误差（MASE）指标上展示了尖端（SOTA）性能。MASE 是评估时间序列模型最关键的指标之一。FalconTST 2.0 取得了 0.666 的 MASE 得分，名列排行榜榜首，超越了全球领先科技公司的其他时序基础模型（TST）。
FalconTST 模型是专为金融领域构建的人工智能
虽然大语言模型擅长学习文本中的关系，但时间序列预测（TST）模型在金融和支付领域尤为关键，因为在这些领域中，流动性需求、外汇变动和交易流可能会发生快速变化。金融信息由连续变化的数值数据组成——交易金额、账户余额、结算流和头寸。对于一家全球支付机构而言，这些预测直接影响资本效率。AI预测的价值不仅在于‘计算得更准确’，更在于帮助企业精确了解他们何时需要资金、需要多少资金以及需要什么币种。
这种预测能力对于外汇管理同样至关重要。航空公司可能会以多种货币收取机票收入，同时又需要用不同的货币支付飞机租赁费、机场费和运营成本。公司通常使用外汇套期保值来降低汇率波动风险，但这要求他们确定每种货币将收到和需要的数量。如果预测过高，他们可能会过度套期保值；如果过低，则会让自己暴露在外汇风险之中。
传统预测系统通常针对不同任务构建各自独立的模型——零售公司训练销售预测模型，航空公司训练需求预测模型，金融机构训练流动性模型。TST基础模型则采用了一种不同的方法：FalconTST从金融、零售、能源、旅游和经济等各领域的数据中学习共同的模式——周期、趋势、季节性以及突发性转变。尽管这些行业各不相同，但其潜在的时间结构通常具有共通性。
全球领先银行正使用 FalconTST 集中体现流动性与外汇管理
FalconTST最初在蚂蚁国际内部部署，用于按小时、天和周管理现金流和外汇敞口，随后被巴克莱、花旗、德意志银行和渣打银行等全球领先银行整合到其各自的外汇对冲模型中，以提升蚂蚁国际及其客户的现金流预测和外汇流动性管理能力。
巴克莱银行将 FalconTST 模型整合到其外汇对冲平台 BARX NetFX 中，花旗则将 FalconTST 与其自身的固定外汇汇率解决方案相结合。它们主要用于电子商务平台或航空公司的外汇风险管理。渣打银行则将该模型与其 SCALE FX 系统结合使用，作为双方参与新加坡金融管理局 PathFin.ai 项目的一部分。
目前，它们均已采用FalconTST模型的2.0版本，从而使预测准确率持续提升至93%以上。对于需要管理海量跨境支付并有效规避汇率波动风险的金融机构而言，这一精度水平至关重要。
从单一的金融工具到可复用的预测能力
蚂蚁国际表示，FalconTST的另一个目标是让相同的预测能力能够在不同客户和行业之间重复使用。航空业就是一个典型的用例：收入和成本跨越多种货币，同时现金流可能发生快速变化，这使得准确预测至关重要。FalconTST已在该行业用于外汇和流动性管理，并正在向电子商务、物流和其他行业扩展。
如果一项能力只服务于一个客户，它在很大程度上仍然是一个定制化的解决方案。当它能够在不同的客户和行业之间复用时，它才开始成为一项基础能力。
“大型语言模型展示了人工智能如何理解和生成信息。FalconTST 则关乎企业日益需要的另一项能力：理解世界如何随时间变化，并预测接下来会发生什么。对我们而言，人工智能的价值不仅仅在于获得更好的预测评分，而在于将这种预测智能转化为真实的决策——准备多少流动性、如何管理外汇风险以及如何更高效地分配资本。FalconTST 2.0 是迈向使预测性人工智能成为全球企业在支付、账户和更广泛金融服务领域的基础能力的重要一步，”表示 蚂蚁国际首席创新官杨江明。
“FalconTST帮助全球企业（包括我们自身）管理复杂的现金流和外汇风险，使它们能够更加自信地处理跨境交易。FalconTST 1.0让客户通过更好的预测看到了真实的运营价值和成本节约。借助FalconTST 2.0，更高的准确性和精确度让我们能够将这些优势扩展到我们的银行合作伙伴以及电子商务、旅游和金融科技等快节奏行业的更广泛客户群体，”表示 蚂蚁国际资深副总裁、平台科技总经理黎粤。
FalconTST 2.0 引入了几项技术创新，以应对现实世界中的数据挑战，从而提高预测准确性：
- 高级缺失数据处理。周末没有银行交易并不意味着需求为零。FalconTST 2.0 能够区分缺失数据与实际零值，从而减少误导性模式。
- 跨领域的高效泛化。通过 ORBIT，FalconTST 能够学习金融、零售、能源和旅游等不同领域的通用时间序列模式，从而在新的业务场景中实现直接预测。
- 支持多种时间频率。从秒级支付数据到每小时的资金需求、每日的航空需求以及月度经济指标，FalconTST 2.0 在单一架构中即可处理不同的频率。
蚂蚁国际邀请全球感兴趣的开发者通过 FalconTST 2.0 的 API 试用，为时间序列学习贡献反馈并加速创新 通过 GitHub。
要了解有关 FalconTST 模型和近期成功案例的更多信息： https://falcon-tst.ant-intl.com/
关于蚂蚁国际
蚂蚁国际是全球领先的数字支付、数字化与金融科技服务提供商。通过与公私领域合作，蚂蚁国际依托一体化科技金融平台，为各大规模的金融机构与商户提供前沿数字支付及金融科技服务，实现普惠增长目标。欲了解更多信息，请访问官网: https://www.ant-intl.com/
其他语言版本为 AI 翻译，仅供参考。如与英文版本不一致的，以英文版本为准。
