LG AI Research の研究チームは、2026年8月4日にarXivへ技術報告書（識別番号：2609.04239）を提出し、金融予測に特化した時系列基盤モデル「EXAONE Forecast for Finance（EXAONE Finance）」を発表しました。この報告書は、Seunghan Lee氏を含む12名の著者によって執筆され、人工知能（cs.AI）および機械学習（cs.LG）の分野に分類されています。報告書では、最近の時系列基盤モデルが大規模事前学習により強力なゼロショット性能を達成している一方で、多くは自己注意機構に依存しており、シーケンス長と変数の数に応じて計算コストが2次関数的に増大すること、さらに入力が完全に観測されていると仮定し、金融市場特有のダイナミクスを捉えられないコーパスで事前学習されていることを指摘しています。これらの限界により、長く多チャネルで断続的に観測されるパネルが一般的な金融分野への適用が妨げられています。
こうした課題を解決するため、EXAONE Financeは自己注意を排除したアーキテクチャを採用し、時間方向の混合を行う因果的1次元畳み込みと、変数方向の混合を行うグループ認識プーリング多層パーセプトロン（MLP）という、2つの単純かつ効果的な線形時間演算子に置き換えています。さらに、マスク付きコンテキスト拡張により、トレーニング中に連続した欠損区間にモデルをさらし、金融市場に遍在する欠損値へのロバスト性を向上させています。事前学習は、株式だけでなく外国為替、コモディティ、暗号資産、固定収入、マクロ経済指標をカバーする大規模金融コーパスを用いて実施されました。
多様な資産クラスを対象とする金融予測ベンチマークFinVerseにおいて、EXAONE Financeは最先端の性能を達成し、ポイント予測精度、横断的資産ランキング、ポートフォリオ収益性の3つの評価階層すべてで第1位を獲得しました。この技術報告書のコメント欄には「EXAONE Financeの技術報告書」とのみ記載され、DOIリンク（https://doi.org/10.48550/arXiv.2609.04239）が付与されています。論文のPDF版、TeXソース、ライセンス情報はarXivページから入手可能です。現在のブラウズコンテキストはcs.AIカテゴリの2026年9月の新着論文です。