금융 예측

이 기술 보고서에서는 EXAONE Finance(EXAONE Finance), 금융 시계열 데이터(TS) 기반의 금융 예측 모델(TSFM)을 금융 예측을 위한 금융 시계열 데이터(TSFM)을 위한 모델로 소개한다. 최근 TSFM은 대규모 사전 훈련을 통해 강력한 0샷 성능을 달성한다. 그러나 그들은 일반 도메인 TS에 주로 개발되었으며 주로 자기 주의(backbone) 구조를 사용하여 계열 길이와 변량 수에 따라 계산 비용이 이차적으로 증가한다. 더구나 그들은 완전히 관측된 입력을 가정하고 금융 시장의 독특한 동적을 포착하지 못하는 자료에 대해 사전 훈련된다. 이러한 제약으로 인해 그들은 금융에서 일반적이지 않은 긴, 많은 채널, 간헐적으로 관측된 패널이 일반적임에도 불구하고 금융 분야에 적용하기 어렵다. 이러한 제약을 해결하기 위해 EXAONE Finance는 주의-free 구조를 채택하고 자기 주의 대신 두 가지 단순하면서도 효과적인 선형 시간 연산자를 사용한다: 1) 시계열 혼합을 위한 인공 신경망(backbone) 대신 1D 인공 신경망(causal 1D convolution)과 2) 변량 혼합을 위한 그룹에 대한 풀링 다층 퍼셉트론(group-aware pooling MLP). 또한, 훈련 중에 연속적인 미비한 구간을 노출하는 masked context augmentation을 사용하여 금융 시장에서 널리 퍼진 미비함에 대한 강도에 대한 강건성을 향상한다. EXAONE Finance는 주식뿐만 아니라 외환, 원자재, 암호자산, 고정 수익, 그리고 macroeconomic indicators를 포함하는 대규모 금융 자료에 사전 훈련된다. FinVerse, 금융 예측 벤치마크의 다양한 자산 종류를 포함하는 금융 예측 벤치마크에서 EXAONE Finance는 모든 세 가지 평가 단계에서 최고 성과를 달성하여 점 예측 정확도, 교차 차원 자산 순위, 그리고 포트폴리오 수익성을 모두 1위에 올려놓았다.