金融预测模型EXAONE Finance：线性算子替代注意力，提速还能抗缺失数据！
EXAONE Forecast for Finance
📖 AI 总结
EXAONE Finance是LG AI研究团队开发的一款金融时间序列基础模型，专为金融预测设计。现有通用时间序列模型依赖自注意力机制，计算成本随序列长度和变量数量呈二次方增长，且假设数据完全可观测，难以应对金融市场中长序列、多通道和间歇性缺失的数据特征。该模型采用无注意力架构，以因果一维卷积处理时间维度、以分组感知池化多层感知机处理变量维度，两者均为线性复杂度算子，显著提升计算效率。同时，通过掩码上下文增强训练，模型对金融数据中普遍存在的缺失区间具备更强鲁棒性。模型在涵盖股票、外汇、大宗商品、加密资产、固定收益和宏观经济指标的大规模语料上预训练，在覆盖多元资产类别的FinVerse基准测试中，于点预测精度、横截面资产排序和投资组合收益三个评估层级均取得最优成绩，展现了金融基础模型的实用潜力。
🔑 关键词速览
| EXAONE Finance | 一个专为金融预测设计的金融时间序列基础模型，采用无注意力架构。 |
| TSFM (Time Series Foundation Model) | 时间序列基础模型，通过大规模预训练实现通用时间序列预测的模型。 |
| self-attention | 自注意力机制，一种在Transformer中使用的计算模式，其复杂度随序列长度平方增长。 |
| causal 1D convolution | 因果一维卷积，一种线性时间操作，用于处理时间序列中的时间混合。 |
| FinVerse | 一个金融预测基准，涵盖多种资产类别，用于评估模型性能。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅