본 논문은 금융 시계열 예측 분야에서 대규모 언어 모델에서 영감을 받은 시계열 기반 모델(TSFMs)의 효용성을 최초로 포괄적으로 평가합니다. 다양한 글로벌 시장의 일일 초과 수익 데이터를 사용하여, 사전 훈련된 TSFMs의 제로샷 추론, 미세 조정, 그리고 금융 데이터로 처음부터 훈련하는 방식을 기존 벤치마크 모델과 비교 분석합니다. 그 결과, 기성 TSFMs은 제로샷 및 미세 조정 설정에서 성능이 낮았지만, 금융 데이터로 처음부터 훈련된 모델은 상당한 예측 및 경제적 개선을 보여주었습니다. 또한, 데이터셋 크기 증가, 합성 데이터 증강, 하이퍼파라미터 튜닝이 성능을 더욱 향상시키는 것을 확인했습니다.
