Building Transaction Foundation Models for Financial Intelligence

•金融時間序列的基礎模型旨在將類似GPT的能力引入金融數據分析，透過從股票價格、經濟指標等多樣化時間序列數據中學習，實現更快的模型開發和更準確的預測。
•NVIDIA的方法利用Transformer架構，特別適用於表格數據，透過解釋行為的上下文（時間、設備、位置和先前的活動）來提取傳統算法以前無法察覺的信號。
•NVIDIA正與萬事達卡、EXL和Stripe等金融機構積極合作，將這些交易基礎模型應用於欺詐檢測、風險管理、個性化和代理AI等多種用例。
•NVIDIA RAPIDS Accelerator for Apache Spark顯著加速金融數據集的數據處理和特徵工程，與基於CPU的系統相比，可提供高達10.5倍的速度提升和88%的成本降低，這對於實時應用（如欺詐檢測）至關重要。
•這些模型可以在大規模、多市場語料庫（例如，Kronos模型使用來自45個全球交易所的超過120億條K線記錄）上進行預訓練，以學習細微的時間和跨資產表示，從而提供具有競爭力的零樣本性能和改進的微調結果。

📊 競品分析▸ Show

特徵/產品	NVIDIA交易基礎模型	Microsoft Research MarS	Kronos (清華大學)
核心技術	Transformer架構，GPU加速計算，NVIDIA NeMo框架，RAPIDS，GNNs	生成式模型，大型市場模型 (LMM)，金融市場模擬引擎 (MarS)	解碼器專用基礎模型，專門的Tokenizer，自回歸預訓練
主要應用	欺詐檢測、信用評分、客戶終身價值預測、個性化推薦、代理AI	預測任務，市場模擬，極端條件下的高保真信號生成	價格序列預測、波動性預測、合成數據生成
數據類型	交易事件（支付、轉賬、產品互動、行為信號）、表格數據	訂單數據（細粒度、大規模、結構化）	金融K線數據（蠟燭圖序列），多市場語料庫
性能優勢	透過上下文理解行為，提取傳統算法不可見的信號	透過持續生成未來訂單流來顯著優於傳統預測算法	在基準數據集上，價格序列預測RankIC提升93%，波動性預測MAE降低9%
部署/可用性	開發者範例，與金融機構合作整合，NVIDIA NIM微服務	研究原型，用於金融研究人員定制生成模型	預訓練模型公開可用

核心架構: 交易基礎模型主要採用Transformer架構，特別適用於處理表格數據，能夠透過自注意力機制捕捉數據中的長期依賴關係。
數據處理與加速: 利用NVIDIA RAPIDS Accelerator for Apache Spark，將數據處理和機器學習管道從CPU卸載到GPU，實現高達10.5倍的速度提升和88%的成本降低。
模型訓練框架: 模型的訓練和微調利用NVIDIA NeMo框架及其NeMo AutoModel開放庫，支援從頭開始預訓練Transformer解碼器模型。
嵌入生成: 透過Transformer架構在表格數據上生成嵌入（embeddings），這些嵌入作為特徵輸入到機器學習模型中，可顯著提高準確性或減少誤報。
多模態處理: 某些進階Transformer模型（如Modality-aware Transformer, MAT）能夠整合來自文本和數值時間序列等多種模態的信息，透過特徵級注意力層聚焦於各模態中最相關的特徵。
欺詐檢測: 在NVIDIA的AI藍圖中，欺詐檢測透過圖神經網絡（GNNs）等深度學習技術進行增強，並使用NVIDIA Dynamo-Triton進行推理，提供欺詐分數和可解釋性Shapley值。
部署與推理: NVIDIA NIM微服務套件旨在革新生成式AI模型的部署，支援在雲端、數據中心和邊緣環境中無縫加速AI工作負載。

金融機構將更廣泛地採用代理式AI系統進行自動化決策。

交易基礎模型為AI代理提供了所需的上下文理解能力，使其能夠執行管理訂閱或路由支付等複雜金融任務。

監管機構將面臨監控和預防AI驅動交易導致市場操縱的新挑戰。

AI交易算法的同質化，特別是使用相似基礎模型的算法，可能導致「羊群效應」和潛在的串謀行為，影響市場穩定性。

合成金融數據的生成將顯著提升回溯測試和策略開發的效率與品質。

Kronos等基礎模型能夠生成逼真的市場情景，從而在數據稀缺的環境中實現壓力測試和穩健性檢查，減少過度擬合。

2006

NVIDIA推出CUDA平台，使GPU可用於通用計算，包括金融建模。

2020

NVIDIA收購Mellanox Technologies，強化其在AI數據中心高速網絡的地位。

2024

NVIDIA推出Blackwell架構的數據中心GPU，專為大規模AI訓練和推理設計。

2025

NVIDIA發布Rubin架構，作為Blackwell的後繼者，進一步提升AI GPU能力。

2026-06-01

NVIDIA發布部落格文章，強調金融機構正轉向交易基礎模型以構建自身情報。

2026-06-04

EXL宣布將NVIDIA的「構建您自己的交易基礎模型」開發者範例整合到其EXLerate.ai平台。

構建用於金融情報的交易基礎模型