時系列予測は人類にとっての難問の一つである。従来の平均回帰モデルを使用した予測方法は、現実世界の変動を反映する上で重大な欠点を持っている。新しい確率的な方法がこれらの問題を解決するために登場しているが、分位数交差や事前分布の選択などの技術的な困難に直面している。これらの分野の異なる強みを組み合わせつつ、弱点を避けるとともに最先端技術の境界を拡げるために、我々はForGAN（Generative Adversarial Networksによる一歩先の確率的予測）を導入する。ForGANは条件付き生成対抗ネットワークの力を活用し、データ生成分布を学習し、そこから確率的予測を計算する。本稿では、ForGANと回帰方法との評価方法について議論する。ForGANの確率的予測能力を調査するために、新たなデータセットを作成し、その上で手法の性能を示す。このデータセットは公開され、比較のために利用可能となる。さらに、Mackey-Glassデータセットとインターネットトラフィックデータセット（A5M）という二つの公開データセットでForGANをテストした結果、ForGANが将来値の予測において高い能力を持つことを印象的に示している。