EXAONE Finance: نموذج LG الكوري يتصدر توقعات الأسواق المالية متجاوزًا المحولات

نظرة عامة

أصدرت LG AI Research تقريرًا فنيًا عن نموذجها الجديد EXAONE Forecast for Finance (EXAONE Finance)، وهو نموذج أساس مخصص للسلاسل الزمنية المالية. يهدف النموذج إلى معالجة قصور النماذج العامة التي تعتمد على الانتباه الذاتي، والذي يتطلب تكلفة حسابية تربيعية مع طول السلسلة وعدد المتغيرات، ويفترض بيانات كاملة الملاحظة.

الابتكار المعماري

يستبدل EXAONE Finance الانتباه الذاتي بعاملين خطيين:

1. التفاف سببي أحادي البعد (Causal 1D Convolution) للمزج الزمني.
2. شبكة إدراك متعددة الطبقات مع تجميع جماعي (Group-aware Pooling MLP) للمزج بين المتغيرات.

هذا التصميم يخفض التعقيد الحسابي إلى خطي، مما يسمح بمعالجة سلاسل طويلة متعددة القنوات بكفاءة.

التدريب والمتانة

تم تدريب النموذج على مجموعة بيانات مالية ضخمة تشمل الأسهم، العملات الأجنبية، السلع، العملات الرقمية، الدخل الثابت، والمؤشرات الاقتصادية الكلية. كما استُخدمت تقنية "Masked Context Augmentation" لتعريض النموذج لفجوات زمنية متصلة أثناء التدريب، مما يحاكي الطبيعة المتقطعة لبيانات الأسواق.

الأداء والمقارنة

على معيار FinVerse، حقق EXAONE Finance المركز الأول في جميع المستويات الثلاثة: دقة التوقعات النقطية، تصنيف الأصول، وربحية المحفظة. هذا يتفوق على نماذج TSFM العامة مثل TimeGPT وChronos، التي لم تُصمم لخصائص الأسواق المالية.

الأهمية للشرق الأوسط

بالنسبة للمؤسسات المالية في المنطقة، خاصة تلك التي تدير أصولًا مرتبطة بالنفط والعملات، يقدم النموذج فرصة لتحسين التوقعات وإدارة المخاطر. البنوك المركزية وصناديق الثروة السيادية قد تستفيد من دقة التصنيف والربحية لتحسين استراتيجيات الاستثمار.

الخلاصة

يمثل EXAONE Finance تقدمًا مهمًا في نماذج التوقعات المالية، لكنه ليس متاحًا علنًا بعد. يُنصح بمراقبة إصداره وتقييم أدائه على بيانات إقليمية قبل الاعتماد.

ملاحظة للمراجعة البشرية: تحقق من توفر النموذج وتراخيص الاستخدام، وقارن النتائج مع بيانات محلية من السوق السعودي أو الإماراتي.