🤖 machine learning

High-Quality Synthetic Financial Time-Series using a GAN-Diffusion Framework

تقدم هذه الورقة CoMeTS-GAN، وهو إطار عمل توليدي مدرك للجودة يدمج بين شبكة خصومية توليدية شرطية (Conditional GAN) ونماذج الانتشار لإنتاج سلاسل زمنية مالية اصطناعية عالية الدقة من خلال التقاط الحقائق الأسلوبية وهياكل الارتباط بين الأصول بشكل فعال.

المؤلفون الأصليون: Giuseppe Masi, Andrea Coletta, Novella Bartolini

نُشر 2026-05-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Giuseppe Masi, Andrea Coletta, Novella Bartolini

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك طاهٍ يحاول تعليم روبوت كيفية طهي قطعة لحم (ستيك) مثالية. المشكلة هي أن لديك فقط بضع قطع حقيقية من اللحم لتريه إياها، ولا يمكنك جعل الروبوت يتدرب على لحم حقيقي في كل مرة لأنه قد يتلف المكونات الغالية. لذلك، قررت تعليم الروبوت صنع "ستيك اصطناعي" — لحم مزيف يبدو، ويشم، ويُذاق تمامًا مثل الشيء الحقيقي.

في عالم التمويل، "الستيك" هو بيانات سوق الأسهم (الأسعار وأحجام التداول). تحتاج البنوك والباحثون إلى كميات هائلة من هذه البيانات لاختبار نظرياتهم، لكن البيانات الحقيقية غالبًا ما تكون محجوزة خلف جدران دفع، أو قوانين خصوصية، أو ببساطة غير موجودة في حالات السوق النادرة والمتطرفة.

تقدم هذه الورقة البحثية "مطبخًا" جديدًا (إطار عمل حاسوبي) مصممًا لطهي بيانات أسهم اصطناعية عالية الجودة، وهي واقعية جدًا لدرجة أنه يصعب التمييز بينها وبين الحقيقية.

إليك كيف يعمل هذا "المطبخ"، مقسمًا إلى خطوات بسيطة:

1. المشكلة: خطأ "السهم الوحيد"

معظم المحاولات السابقة لتزييف بيانات الأسهم كانت تشبه طبخ المكونات الفردية بشكل منعزل. ربما تولد سعرًا مزيفًا لشركة أبل وسعرًا مزيفًا لشركة مايكروسوفت، لكنها لم تنتبه إلى حقيقة أن هذه الأسهم تتحرك معًا في العالم الحقيقي. إذا ارتفعت أبل، فغالبًا ما ترتفع مايكروسوفت أيضًا. إذا تم توليدهما بشكل منفصل، فقد يتحركان في اتجاهات متعاكسة، مما يكسر واقعية المحاكاة.

أراد المؤلفون إنشاء نظام يفهم العلاقات. إذا ارتفعت كوكا كولا، فمن المفترض أن ترتفع بيبسي أيضًا. إذا انهار سهم تقني، فقد يظل سهم دفاعي مستقرًا.

2. الطاهي الأول: CoMeTS-GAN (الـ "مُتذوق")

بنى المؤلفون أولاً نظامًا يسمى CoMeTS-GAN. فكر في هذا كفريق مكون من شخصين:

المولد (الفنان): يحاول هذا الجزء رسم صورة لسوق الأسهم. يبدأ بضجيج عشوائي ويحاول رسم رسم بياني يشبه أسعار الأسهم وأحجام التداول الحقيقية.
الناقد (ناقد الطعام الصارم): ينظر هذا الجزء إلى اللوحة ويقول: "هل هذا حقيقي؟"

الخلطة السرية:
عادةً، يتحقق الناقد فقط مما إذا كانت الخطوط تبدو سلسة. لكن في هذه الورقة، يمتلك الناقد قوة خارقة خاصة: إنه يتحقق من العلاقات.

ينظر إلى البيانات المزيفة ويحسب: "هل يتحرك هذان السهمان معًا بالطريقة التي ينبغي أن يكونا عليها؟"
إذا أظهرت البيانات المزيفة أن كوكا كولا وبيبسي يتحركان في اتجاهين متعاكسين بينما ينبغي لهما التحرك معًا، يقول الناقد: "لا، هذا مزيف!" ويعيد الفنان إلى لوحة الرسم.
هذا يجبر الفنان ليس فقط على تعلم كيفية رسم خط، بل كيفية رسم شبكة من الخطوط المتصلة.

3. الطاهي الثاني: نموذج الانتشار (الـ "نحات")

ثم أخذ المؤلفون ناقدهم الصارم وأعطوه وظيفة جديدة. لقد قدموا نوعًا ثانيًا من الذكاء الاصطناعي يسمى نموذج الانتشار (Diffusion Model).

تخيل أن نموذج الانتشار يشبه نحاتًا يبدأ بكتلة من الطين الفوضوي والمزدحم بالضجيج، ثم يبدأ ببطء في نحت الضجيج ليكشف عن تمثال.
عادةً ما يعمل النحات بمفرده. لكن المؤلفين أدركوا أن الناقد الخاص بهم (من الخطوة الأولى) كان خبيرًا في رصد "الواقعية".
لذا، تركوا الناقد ليوجه النحات. بينما يقوم النحات بنحت الضجيما، يهمس الناقد: "مهلًا، تأكد من أن هذين السهمين يحافظان على الارتباط بينهما!"
هذا يخلق إطار عمل مدرك للجودة. يقوم نموذج الانتشار بالعمل الشاق المتمثل في إنشاء البيانات، بينما يعمل الناقد كمدير لمراقبة الجودة، لضمان أن المنتج النهائي يحترم العلاقات المعقدة بين الأسهم المختلفة.

4. ماذا أثبتوا؟

اختبر المؤلفون "مطبخهم" بعدة طرق:

اختبار "الخصائص الأسلوبية": للأسواق المالية الحقيقية سمات محددة (مثل حدوث قفزات كبيرة في الأسعار بشكل أكثر تكرارًا مما تتنبأ به الرياضيات، أو تحرك الأسعار في مجموعات). امتلكت بياناتهم المزيفة كل هذه السمات، تمامًا مثل الحقيقة.
اختبار "العلاقة": تحققوا مما إذا كانت البيانات المزيفة تحتفظ بالارتباطات الصحيحة. على سبيل المثال، إذا كانت كوكا كولا وبيبسي تتحركان معًا بنسبة 94% من الوقت، فإن بياناتهم المزيفة فعلت الشيء نفسه. فشلت الطرق الأخرى في الحفاظ على هذا الرابط القوي.
اختبار "ماذا لو": سألوا: "ماذا يحدث إذا دفعنا سعر كوكا كولا للأعلى بشكل اصطناعي؟" قام نظامهم بتعديل سعر بيبسي بشكل صحيح ليتناسب مع رد الفعل في العالم الحقيقي، مما يظهر فهمه لكيفية استجابة السوق للصدمات.
اختبار "الحفلة الكبيرة": حاولوا توليد بيانات لـ 30 سهمًا مختلفًا في وقت واحد (مؤشر داو جونز الصناعي بأكمله). لم يتعطل النظام؛ بل نجح في تتبع جميع العلاقات المعقدة بين جميع الأسهم الثلاثين في آن واحد.

الخلاصة

تقدم هذه الورقة طريقة جديدة لتوليد بيانات مالية مزيفة هي خفيفة الوزن (سريعة التدريب) وذكية (تفهم كيف تؤثر الأسهم المختلفة على بعضها البعض).

من خلال الجمع بين نموذج GAN "المتذوق" ونموذج انتشار "النحات"، واستخدام الناقد لتوجيه العملية، أنشأوا أداة يمكنها إنتاج كميات لا حصر لها من سيناريوهات السوق الواقعية. وهذا يساعد الباحثين والبنوك على اختبار استراتيجياتهم دون الحاجة إلى المخاطرة بأموال حقيقية أو انتظار حدوث أحداث السوق النادرة بشكل طبيعي.

باختختصار: لقد بنوا آلة لا تكتفي بتزييف أسعار الأسهم فحسب؛ بل تزيّف النظام البيئي الكامل لسوق الأسهم، بما في ذلك كيفية تواصل الأسهم مع بعضها البعض.

ملخص تقني: سلاسل زمنية مالية اصطناعية عالية الجودة باستخدام إطار عمل (GAN–Diffusion)

بيان المشكلة
تعتمد المؤسسات المالية بشكل متزايد على البيانات الاصطناعية لمعالجة ندرة البيانات، وقيود الخصوصية، والحاجة إلى سيناريوهات السوق المضادة للواقع. ومع ذلك، تعاني البنى التوليدية العامة الموجودة من صعوبة في إعادة إنتاج الخصائص الإحصائية المحددة للسلاسل الزمنية المالية، والمعروفة بـ "الحقائق الأسلوبية" (مثل التوزيعات ذات الذيول السميكة، وتكتل التقلبات). ويتمثل أحد العيوب الحرجة في النهج الحالية في الفشل في نمذجة ديناميكيات الارتباط بين الأصول بدقة. وبينما تحاول بعض النماذج تعلم تبعيات الميزات، إلا أنها غالبًا ما تهمل التوليد المتزامن لعدة أصول مرتبطة، مما يؤدي إلى بيانات اصطناعية تفتقر إلى هياكل الارتباط الواقعية الضرورية لإدارة مخاطر المحافظ الاستثمارية وتحليل التنويع. علاوة على ذلك، فإن العديد من النماذج الحالية مكلفة حاسوبيًا، أو تولد فقط تسلسلات ثابتة الطول، أو تفشل في التقاط الديناميكيات المشتركة للسعر وحجم التداول.

المنهجية
يقترح المؤلفون إطار عمل توليدي مدرك للجودة يدمج بين شبكة خصومة توليدية من نوع (Conditional Wasserstein Generative Adversarial Network - C-WGAN) ونماذج الانتشار (Diffusion Models). يتم هيكلة النهج في مرحلتين رئيسيتين:

نموذج CoMeTS-GAN (شبكة GAN للسلاسل الزمنية متعددة المتغيرات المرتبطة):
- البنية: النواة هي (C-WGAN) تتكون من مولد ( $G$ ) وناقد ( $C$ ). يستخدم المولد سلسلة من كتل التلافيف الزمنية (temporal convolutional blocks) ذات أحجام تمدد (dilation) متزايدة وطبقة خطية نهائية لإنتاج سلاسل زمنية متعددة المتغيرات (الأسعار الوسطى وأحجام التداول) لـ $n$ من الأسهم المرتبطة. وهو يستخدم التوليد ذاتي الانحدار (auto-regressive generation) لإنشاء تسلسلات طويلة بشكل تعسفي.
- الاشتراط (Conditioning): يأخذ النموذج خطوات زمنية سابقة ( $\mathbf{x}_{past}$ ) ومتجه ضوضاء ( $\mathbf{z}$ ) كمدخلات، معززة بتضمينات زمنية مشتقة من ترميزات موضع جيبية (sinusoidal positional encodings) لالتقاط الديناميكيات الزمنية.
- تصميم الناقد: يقوم الناقد بتقييم واقعية العينات المولدة من خلال مخرجين متميزين:
  - $o_1$ : درجة واقعية قياسية مشتقة من الطبقات التلافيفية والخطية.
  - $o_2$ : درجة ارتباط يتم حسابها بواسطة طبقة خطية مخصصة تعالج معاملات ارتباط بيرسون لجميع أزواج الأسعار الوسطى وأحجام التداول ( $\binom{2n}{2}$ زوجًا).
- الهدف: الدرجة النهائية للناقد هي مجموع مرجح $o = o_1 + \alpha \cdot o_2$ . وهذا يجبر المولد على تقليل مسافة "واسرشتاين" (Wasserstein distance) مع تعلم إعادة إنتاج هياكل الارتباط المتبادل لبيانات التدريب بشكل صريح.
التوليد الموجه بالناقد (Critic-Guided Diffusion Generation):
- يتم إعادة توظيف الناقد المدرب من (CoMeots-GAN) كنموذج توجيه لنموذج انتشار مدرب مسبقًا (تحديدًا نموذج DiffTime).
- الآلية: خلال عملية الانتشار (إزالة الضجيج/denoising)، تُستخدم درجة (gradient) مخرج الناقد بالنسبة للمدخلات لتوجيه عملية التوليد. تُعرف دالة النتيجة المعدلة بـ $\tilde{s} = s(\mathbf{x}_t, t) + w \cdot \nabla_{\mathbf{x}_t} D(\mathbf{x}_t)$ ، حيث يعمل $w$ على ضبط قوة التوجيه.
- الوظيفة: يسمح هذا لنموذج الانتشار بالاستفيد من فهم الـ GAN المكتسب لواقعية الارتباط لتعزيز جودة العينات المولدة دون الحاجة لإعادة تدريب نموذج الانتشار نفسه.

المساهمات الرئيسية

بنية CoMeTS-GAN: شبكة (C-WGAN) خفيفة الوزن مصممة خصيصًا للسلاسل الزمنية المالية متعددة المتغيرات التي تولد الأسعار والأحجام معًا. وهي تقدم مقياس مسافة ارتباط متبادل مبتكر داخل الناقد لفرض تبعيات واقعية بين الأصول.
استراتيجية التوجيه بالناقد لنماذج الانتشار: طريقة لدمج ناقد (GAN) مدرب في نماذج الانتشار الحديثة. يعمل الناقد كمصنف بديل، حيث يوجه عملية إزالة الضجيج لفرض هياكل الارتباط المتعلمة، مما يخلق مسار توليد مدرك للجودة.
تقييم شامل: تم التحقق من صحة إطار العمل مقابل النماذج التوليدية الرائدة (مثل TimeGAN وCOSCI-GAN وGT-GAN) على كل من الاختبارات المعيارية الاصطناعية وبيانات سوق الأسهم الحقيقية (بما في ذلك مؤشر DJIA).
المحاكاة المضادة للواقع (Counterfactual Simulation): يظهر الإطار القدرة على محاكاة سيناريوهات "ماذا لو"، مثل تغيير ديناميكيات الارتباط بين الأصول (على سبيل المثال، قلب الارتباط بين كوكا كولا وبيبسي من موجب إلى سالب) أو الاستجابة لصدمات الأسعار بطريقة تحافظ على التبعيات بين الأصول.

النتائج

الحقائق الأسلوبية: نجحت البيانات المولدة في إعادة إنتاج الحقائق الأسلوبية المالية الرئيسية، بما في ذلك توزيعات العوائد ذات الذيول السميكة، والطبيعية التجميعية، وغياب الارتباط الذاتي الخطي في العوائد، وتكتل التقلبات. كما التقطت الارتباط الإيجابي بين حجم التداول والتقلبات.
دقة الارتباط: أظهر التحليل الكمي باستخدام مسافة الارتباط المتبادل ومسافة "واسرشتاين" أن (CoMeTS-GAN) يتفوق بشكل كبير على النماذج العامة (مثل COSCI-GAN وGT-GAN) في الحفاظ على هياكل الارتباط لأزواج الأسهم الحقيقية (مثل KO-PEP وNVDA-KSU).
القابلية للتوسع والكفاءة: يمكن للنموذج توليد سلاسل زمنية طويلة بشكل تعسفي (تصل إلى 24 يوم تداول) عبر الانحدار الذاتي، وهي قدرة تفتقر إليها العديد من النماذج الحالية. كما أن التدريب فعال (حوالي 4 ساعات و20 دقيقة) مقارنة بالبدائل المعقدة مثل (TimeGAN) التي تستغرق (حوالي 39 ساعة).
الاستجابة: في تجارب الاضطراب، أظهر النموذج القدرة على نشر صدمات الأسعار عبر الأصول المرتبطة، وتعديل توليد الأسهم غير المتأثرة للحفاظ على ديناميكيات ارتباط واقعية.
توجيه الانتشار: أدى تطبيق الناقد كمرشد لنموذج (DiffTime) إلى تقليل مسافة "واسرشتاين" بشكل كبير بين توزيعات الارتباط الاصطناعية والحقيقية، مما يؤكد أن ناقد (GAN) يعزز بفعالية واقعية البيانات المولدة عبر الانتشار.

الأهمية
يزعم البحث أن إطاره العملي يقدم حلاً خفيف الوزن وسريع الاستجابة لمحاكاة سوق الأسهم الواقعية التي تنمذج صراحةً هياكل الارتباط بين الأصول. ومن خلال الجمع بين سرعة (GAN) والتعامل مع القيود النوعية مع دقة العينات العالية لنماذج الانتشار، يوضح المؤلفون مسارًا لتوليد بيانات مالية اصطناعية عالية الجودة تتجاوز قيود البنى العامة الحالية. إن القدرة على إعادة استخدام ناقد (GAN) المدرب لتوجيه نماذج الانتشار تشير إلى نهج مرن لتعزيز النماذج التوليدية في مجالات محددة دون التكلفة الحاسوبية لإعادة تدريب شبكات الانتشار الكبيرة. يهدف هذا العمل إلى تسهيل تقييم المخاطر، وبناء المحافظ الاستثمارية، والتحليل المضاد للواقع في التطبيقات المالية حيث تبرز قيود خصوصية البيانات وندرتها.