金融AIモデルの4ビット量子化：キャリブレーション戦略が予測精度を決定する

金融時系列予測モデルの低精度化（量子化）は、メモリや計算コスト削減に不可欠です。特に訓練後量子化（PTQ）は再訓練なしでこれを可能にしますが、アクティベーションの信頼性確保にはキャリブレーションが重要です。本研究はS&P 500のボラティリティ予測を対象に、7つのアーキテクチャと8年間のデータで検証。4ビット量子化ではキャリブレーションが予測性能の主要因となり、適切な戦略が性能劣化を大幅に回復させることを明らかにしました。