EXAONE Prognose für Finanzen
· Quelle: arXiv cs.AI
Der technische Bericht stellt EXAONE Finance vor, ein Basismodell für Zeitreihen, das speziell für die Finanzvorhersage entwickelt wurde. Im Gegensatz zu aktuellen Modellen, die auf Selbst‑Aufmerksamkeit setzen und hohe Rechenleistung erfordern, verzichtet EXAONE Finance auf diese Mechanismen. Stattdessen nutzt es zwei lineare Operatoren: eine eindimensionale kausale Faltung, die zeitliche Informationen zusammenführt, und ein MLP‑Netzwerk mit Gruppierung, das die verschiedenen Datenkanäle kombiniert. Während des Trainings wird eine Kontext‑Maskierungstechnik eingesetzt, die das Fehlen zusammenhängender Datenblöcke simuliert. Dadurch wird die Robustheit des Modells gegenüber typischen Datenlücken in Finanzmärkten gestärkt. Das Modell wurde mit einem umfangreichen Korpus trainiert, der Aktien, Währungen, Rohstoffe, Krypto‑Assets, Anleihen und makroökonomische Variablen umfasst. In der FinVerse‑Testreihe, die die Genauigkeit von Einzelprognosen, die Kreuzklassifikation von Vermögenswerten und die Portfoliorendite bewertet, belegte EXAONE Finance die Spitzenposition in allen drei Bewertungsebenen. Diese Leistung ist bedeutsam, weil sie präzisere und effizientere Vorhersagen in komplexen Finanzumgebungen ermöglicht, was zu besser informierten Anlageentscheidungen und erhöhter Wettbewerbsfähigkeit für datenabhängige Institutionen führen kann.
Originalartikel lesen auf arXiv cs.AI
Diese Zusammenfassung ist eine informationelle Synthese von dataqbs.com. Alle Rechte am Originalinhalt liegen beim Autor und dem genannten Medienunternehmen. Wir handeln ausschließlich als Kuratoren von Technologie-Nachrichten und beanspruchen keine Urheberschaft.