Googleが開発したAI時系列予測モデル — 売上も株価も未来を読む — timesfm

アーキテクチャ・仕組み

• Decoder-onlyアーキテクチャ: 大規模言語モデル（LLM）と同様のDecoder-only Transformer構造を時系列データに適用した基盤モデル
• ICML 2024で発表された論文「A decoder-only foundation model for time-series forecasting」がベース
• 事前学習済みモデルのため、ファインチューニング（追加学習）なしでゼロショット予測が可能

バージョン比較（2.0 → 2.5）

主要な機能・設定オプション

• max_context: 入力として使える過去データの最大長（最大16,000）
• max_horizon: 予測する未来のステップ数
• normalize_inputs: 入力データの正規化
• use_continuous_quantile_head: 連続分位点予測の有効化（平均値に加え、10%～90%の分位点を出力）
• force_flip_invariance: 反転不変性の強制
• infer_is_positive: データが正の値のみかを推論
• fix_quantile_crossing: 分位点の交差（逆転）を修正
• XReg（共変量）サポート: 外部の説明変数を使った予測（2025年10月に追加）

対応環境・バックエンド

• PyTorch: uv pip install -e .[torch] でインストール
• Flax（JAX）: uv pip install -e .[flax] でインストール（高速推論版が開発中）
• CPU、GPU、TPU、Apple Silicon に対応（バックエンドの個別インストールが必要）
• パッケージ管理は uv を推奨

モデルの入手先

• Hugging Face: google/timesfm-2.5-200m-pytorch からダウンロード可能
• TimesFM Hugging Face Collection に全チェックポイントが公開

Google Cloud連携

• BigQuery ML で公式に利用可能（CREATE MODEL 構文から TimesFM を呼び出せる）
• BigQuery版はGoogleの公式サポート付き製品

今後のロードマップ

1. Flaxバージョンの追加（推論高速化）
2. ドキュメント・Notebookの充実
3. その他のドキュメント・docstringの整備

ライセンス・注意点

• オープンソース版はGoogleの公式サポート製品ではない
• 旧バージョン（1.0/2.0）のコードは v1 サブディレクトリにアーカイブされており、pip install timesfm==1.3.0 で利用可能

AGENTS対応

• AIエージェント向けの AGENTS.md および SKILL.md が追加されており、エージェントからTimesFMを呼び出すための仕様が整備されている

# 1. リポジトリをクローン
git clone https://github.com/google-research/timesfm.git
cd timesfm

# 2. 仮想環境を作成して有効化
uv venv
source .venv/bin/activate

# 3. PyTorch版をインストール（Flax版やXReg版も選択可能）
uv pip install -e .[torch]
# Flax版の場合: uv pip install -e .[flax]
# 共変量サポートが必要な場合: uv pip install -e .[xreg]

※ お使いの環境に合わせて PyTorch または JAX のバックエンドを別途インストールしてください。