EXAONE Finance: AI Baru yang Dikhususkan Buat Prediksi Pasar Modal?

Pernah kepikiran nggak kalau model AI yang dipake buat prediksi pasar modal tuh sebenernya masih "nebeng" model serba guna? Nah, EXAONE Finance nawarin sesuatu yang beda — foundation model yang dari sononya udah didesain khusus buat dunia finansial. Jadi bukan model umum yang terus dipaksa nerapin ke saham, forex, atau kripto.

Yang bikin menarik, model ini ngaku-ngaku jadi yang terbaik di benchmark FinVerse. Katanya sih ranking pertama di tiga level evaluasi: akurasi prediksi point-forecast, ranking aset lintas sektor, sampai profitabilitas portofolio. Tiga-tiganya diklaim menang. Bukan kaleng-kaleng.

Kenapa mereka buang self-attention?

Mayoritas time series model zaman sekarang pakai self-attention. Masalahnya, biaya komputasinya tumbuh kuadratik alias explodes gede banget begitu sequence panjang dan jumlah variabelnya banyak. Buat pasar keuangan yang datanya bisa ribuan titik dan ratusan channel, ini jelas boros banget. EXAONE Finance milih arsitektur attention-free biar lebih ramping.

Sebagai gantinya, mereka pakai dua operator linear yang jalan dalam waktu linear: causal 1D convolution buat temporal mixing, terus group-aware pooling MLP buat variate mixing. Simpel, tapi diklaim efektif. Cocok buat panel keuangan yang panjang dan punya banyak channel tanpa bikin GPU kamu nangis.

Masalah data hilang, sekarang ditangani langsung waktu training

Di dunia nyata, data keuangan itu penuh bolong. Ada saham yang suspensi, indikator ekonomi yang telat rilis, atau crypto exchange yang tiba-tiba offline. Model-model lama biasanya nganggap input-nya lengkap — pas ketemu missing data ya kaget. EXAONE Finance ngelakuin masked context augmentation biar model-nya "belajar" ngadepin rentetan missing spans sejak di pretraining.

Hasilnya? Model jadi lebih robust pas ketemu data keuangan yang nggak rapi. Buat analis dan quants, ini artinya lebih sedikit preprocessing dan lebih sedikit "jumpscare" waktu inference. Hemat waktu, hemat pipet juga — eh, maksudnya hemat resource.

Bukan cuma saham, tapi multi-aset

Data pretraining-nya juga nggak main-main. Mereka ngumpulin korpus keuangan gede yang isinya nggak cuma saham, tapi juga forex, komoditas, aset kripto, fixed income, plus indikator makroekonomi. Jadi model-nya ngerti dinamika unik tiap kelas aset, bukan cuma pola IHSG doang.

Pas diuji di FinVerse — benchmark yang nutup berbagai kelas aset — EXAONE Finance diklaim ngalahin kompetitornya di semua tier. Kalau klaim ini bertahan di peer-review, ini sinyal kuat bahwa masa depan forecasting finansial itu bakal makin spesifik, makin tailored, dan makin jauh dari pendekatan one-size-fits-all.

Buat kamu yang kerja di hedge fund, startup fintech, atau tim risk management: worth buat ngecek arXiv 2609.04239 ini lebih dalem. Soalnya kalau model ini beneran performanya segitu kinclong, alternatif selain ngerakit pipeline LSTM + Transformer sendiri udah ada di depan mata.