기술보고서는 금융 예측에 특화한 시계열 파운데이션 모델 'EXAONE Finance'를 소개한다. 기존 시계열 파운데이션 모델들은 범용 도메인에 맞춰 개발돼 셀프어텐션 백본의 연산 비용이 시퀀스 길이·변량 수에 따라 제곱으로 증가하고, 결측치가 흔한 금융 데이터의 특성도 반영하지 못하는 한계가 있었다. EXAONE Finance는 셀프어텐션 대신 시간 축 혼합용 인과적 1D 컨볼루션과 변량 혼합용 그룹 인식 풀링 MLP라는 선형시간 연산자를 채택해 이 문제를 해결했고, 학습 중 연속 결측 구간을 노출하는 마스크드 컨텍스트 증강으로 결측 데이터에 대한 강건성도 높였다. 주식, 외환, 원자재, 암호자산, 채권, 거시지표를 아우르는 대규모 금융 코퍼스로 사전학습됐으며, 금융 예측 벤치마크 FinVerse의 점예측 정확도·자산 순위·포트폴리오 수익성 세 평가 항목 모두에서 1위를 기록했다.

• •셀프어텐션 대신 인과적 1D 컨볼루션 + 그룹 인식 풀링 MLP로 선형시간 처리하는 어텐션프리 구조
• •결측 구간을 학습에 노출하는 마스크드 컨텍스트 증강으로 금융 데이터 특유의 결측 문제 대응
• •주식·외환·원자재·암호자산·채권·거시지표를 아우르는 대규모 금융 코퍼스 사전학습
• •FinVerse 벤치마크의 점예측·자산순위·포트폴리오 수익성 3개 항목 모두 1위