近年来，通道无关（channel-independent）的方法在多变量时间序列（MTS）预测任务中取得了最先进的性能。尽管这类方法有效降低了过拟合风险，却未能充分利用变量间的通道依赖关系，从而错失了提升预测精度的潜在机会。本文认为，变量之间存在局部平稳的领先-滞后关系，即在较短时间内，某些滞后变量可能跟随领先指标的变化。挖掘此类通道依赖关系具有重要意义，因为领先指标提供了提前信息，有助于缓解滞后变量的预测难度。为此，本文提出一种名为LIFT的新方法：该方法首先在每个时间步高效地估计出领先指标及其领先时滞，随后审慎地使滞后变量利用领先指标所提供的提前信息。LIFT可作为插件模块，无缝集成至任意时间序列预测模型中。在六个真实世界数据集上的大量实验表明，LIFT在平均预测性能上相较现有最先进方法提升了5.5%。相关代码已开源，地址为：https://github.com/SJTU-Quant/LIFT。