IBM Research ha publicado Granite Timeseries Ensemble en Hugging Face. Es una receta que ejecuta juntos cuatro modelos de series temporales Granite preentrenados y fusiona sus pronósticos en uno solo. Los pronosticadores preentrenados pueden predecir sin entrenar con tus datos, pero aun así hay que decidir cuál usar. El ensamble pretende eliminar esa decisión.
Qué incluye
La receta por defecto combina cuatro modelos de arquitecturas distintas: Granite PatchTST-FM-r1 (transformer por parches), PatchTST-FM-r2 (conformer por parches), FlowState-r1.1 (modelo de espacio de estados) y TTM-r3 (Tiny Time Mixers, un mezclador MLP). La receta guarda la configuración del ensamble, no pesos fusionados. Descarga los checkpoints de los cuatro miembros en tiempo de ejecución, así que la primera ejecución tarda más. La instalación requiere granite-tsfm en la versión 0.3.11 o posterior.
El resultado es un pronóstico puntual más pronósticos por cuantiles, por defecto de 0,1 a 0,9. Los cuantiles 0,1 y 0,9 dan un intervalo central con cobertura nominal del 80 %. IBM indica que la receta y sus miembros Granite por defecto tienen licencia permisiva.
Dos formas de combinar
La opción recomendada por defecto es el Probabilistic Ensemble. Da la misma influencia a cada miembro y agrupa sus pronósticos por cuantiles, de modo que no hay paso de ajuste ni pesos que afinar. La alternativa es el IQR Ensemble, que da más peso a los miembros con menor dispersión en su pronóstico. IBM advierte de que un intervalo más estrecho no es necesariamente más preciso y de que esta ponderación puede favorecer a un miembro demasiado confiado.
Qué muestra el benchmark
IBM evaluó ambas recetas en 97 configuraciones de conjuntos de datos de GIFT-Eval, sin ajuste fino, con puntuaciones de la clasificación capturadas el 20 de octubre de 2026. Los resultados son desiguales.
- En MASE, el Probabilistic Ensemble obtuvo 0,683 y el IQR Ensemble 0,684. El mejor miembro individual, PatchTST-FM-r2, obtuvo 0,685.
- En CRPS/MWQL, PatchTST-FM-r2 mantuvo la puntuación más baja (0,467, frente a 0,471 de los dos ensambles).
- En rango medio, el IQR Ensemble fue el mejor de los seis pronósticos mostrados en CRPS, mientras que el Probabilistic Ensemble lideró en MASE.
- Entre los sistemas elegibles, el enfoque de ensamble queda en 3.º lugar tanto en MASE Rank como en CRPS Rank. IBM señala que algunos sistemas excluidos, como los ajustados con fine-tuning o los de licencia no permisiva, puntúan mejor.
La propia IBM califica de pequeño el margen sobre el mejor miembro individual. La ventaja que se reivindica es la robustez: una precisión agregada comparable o mejor, sin saber de antemano qué arquitectura encaja con tus datos.
Límites
La receta actual pronostica los canales multivariantes de forma independiente y no usa información entre canales. Cargar cuatro checkpoints aumenta el tiempo de inferencia y la memoria frente a un solo modelo. Los miembros difieren en límites de contexto, horizontes, preprocesamiento y tratamiento de valores ausentes. Ninguno de los dos métodos de agregación garantiza calibración ante cambios en la distribución de los datos, así que los pronósticos requieren seguimiento tras el despliegue.
La interfaz común Forecaster también acepta modelos externos compatibles, de modo que se puede cambiar la mezcla de miembros o el método de agregación sin alterar el formato de salida. El repositorio incluye además recetas ampliadas que añaden otros checkpoints de IBM Research, pero tienen condiciones distintas, entre ellas restricciones de uso no comercial y solo para investigación. Conviene revisar la ficha de cada modelo antes de usarlos.
Cómo recomienda IBM probarlo
IBM recomienda hacer backtesting sobre ventanas históricas que coincidan con tu horizonte y tus series. Compara el Probabilistic Ensemble, el IQR Ensemble y un miembro individual sólido sobre las mismas ventanas. Revisa la pérdida por cuantiles junto con el MASE y compara la cobertura empírica del intervalo de 0,1 a 0,9 con su 80 % nominal. Registra también el tiempo de ejecución y la memoria.