최근 공개된 'EXAONE 파이낸스(EXAONE Finance)'는 금융 시계열(time series, TS) 데이터 예측에 특화된 새로운 시계열 파운데이션 모델(TSFM)입니다. 이 모델은 주식, 외환, 원자재, 암호화폐, 채권, 거시경제 지표 등 광범위한 금융 데이터를 학습하여, 기존 범용 시계열 모델이 금융 시장의 독특한 역학을 포착하지 못했던 한계를 극복하고자 합니다.
기존 시계열 파운데이션 모델은 주로 일반 도메인 시계열에 맞춰 개발되었으며, 시퀀스 길이와 변수(variate) 수에 따라 계산 비용이 기하급수적으로 증가하는 셀프 어텐션(self-attention) 기반 아키텍처를 사용했습니다. 또한, 금융 데이터에서 흔히 발생하는 긴 시퀀스, 다채널, 그리고 간헐적인 결측값 문제에 취약했습니다. EXAONE 파이낸스는 이러한 문제를 해결하기 위해 셀프 어텐션을 인과적 1D 컨볼루션(causal 1D convolution)과 그룹 인지 풀링 MLP(group-aware pooling multi-layer perceptron)로 대체한 어텐션 없는(attention-free) 아키텍처를 채택했습니다. 또한, 훈련 중 연속적인 결측 구간을 모델에 노출시키는 마스크 컨텍스트 증강(masked context augmentation) 기법을 통해 금융 시장의 흔한 결측값에 대한 강건성(robustness)을 높였습니다.
EXAONE 파이낸스는 다양한 자산 클래스를 포괄하는 금융 예측 벤치마크인 '핀버스(FinVerse)'에서 최첨단 성능을 달성했습니다. 이는 점 예측 정확도, 교차 섹션 자산 순위, 포트폴리오 수익성 등 세 가지 평가 기준 모두에서 1위를 차지하며 그 우수성을 입증했습니다. 이러한 결과는 금융 시장의 복잡하고 동적인 특성을 기존 모델보다 훨씬 효과적으로 모델링할 수 있음을 시사하며, 금융 분야의 의사 결정 및 투자 전략 수립에 중요한 영향을 미칠 것으로 기대됩니다.