Pronóstico EXAONE para Finanzas

El informe técnico describe EXAONE Finance, un modelo de base para series temporales diseñado específicamente para la predicción financiera. A diferencia de los modelos recientes que emplean mecanismos de auto‑atención y requieren gran capacidad computacional, este enfoque elimina la auto‑atención y utiliza dos operadores de complejidad lineal: una convolución causal unidimensional que mezcla la información temporal y una red neuronal de tipo MLP con agrupación que combina los diferentes canales de datos. Además, durante el entrenamiento se introduce una técnica de aumento de contexto enmascarado que simula la ausencia de bloques continuos de datos, lo que refuerza la capacidad del modelo para manejar la falta de observaciones típica en los mercados financieros. El modelo se entrenó con un amplio corpus que incluye acciones, divisas, materias primas, cripto‑activos, bonos y variables macroeconómicas. En la prueba FinVerse, que evalúa la precisión de pronósticos puntuales, la clasificación cruzada de activos y la rentabilidad de carteras, EXAONE Finance superó a los competidores, ocupando el primer puesto en los tres niveles de evaluación. Esta mejora es relevante porque permite generar pronósticos más precisos y eficientes en entornos financieros complejos, lo que puede traducirse en decisiones de inversión mejor informadas y en una mayor competitividad para instituciones que dependen del análisis de series temporales.

Leer artículo original en arXiv cs.AI

Este resumen es una síntesis informativa elaborada por dataqbs.com. Todos los derechos sobre el contenido original pertenecen a su autor y al medio de comunicación citado. Nosotros solo actuamos como curadores de noticias tecnológicas, sin reclamar autoría alguna.