Resumen Técnico: Una Red Neuronal Gráfica Generativa Adversarial para Datos de Series Temporales Sintéticas

Enunciado del Problema

La generación de datos sintéticos de series temporales financieras es crítica para abordar la escasez de datos, las preocupaciones de privacidad y la necesidad de conjuntos de entrenamiento diversos para mejorar la generalización del modelo. Sin embargo, esta tarea se ve obstaculizada por la naturaleza no estacionaria y estocástica de los datos financieros. Los modelos estadísticos tradicionales (por ejemplo, ARIMA, Black-Scholes) a menudo se basan en supuestos de estacionariedad débil y homocedasticidad, lo que limita su eficacia para capturar la volatilidad evolutiva y las dinámicas de mercado complejas. Si bien los enfoques de aprendizaje profundo basados en datos, particularmente las Redes Generativas Adversariales (GAN), han demostrado ser prometedores, los modelos existentes se centran principalmente en la naturaleza autorregresiva de las series temporales. A menudo descuidan los patrones geométricos subyacentes y las dependencias no lineales inherentes a los datos financieros, los cuales son cruciales para modelar con precisión el riesgo y la volatilidad.

Metodología: El Marco Sig-Graph GAN

Los autores proponen Sig-Graph GAN, una arquitectura novedosa que integra tres componentes distintos para capturar tanto las propiedades temporales como las geométricas de las series temporales:

1. Representación Gráfica mediante Grafo de Visibilidad:
   Para abordar la no estacionariedad y capturar estructuras geométricas, el modelo transforma series temporales univariadas en una representación gráfica utilizando el algoritmo de Grafo de Visibilidad. En este enfoque, los puntos de datos se convierten en nodos y se forman aristas si existe una línea de visión clara entre ellos. Esta transformación preserva propiedades estructurales (por ejemplo, periodicidad, aleatoriedad, características fractales) y permite que el modelo opere en un espacio no euclidiano sin asumir estacionariedad.

2. Arquitectura Neuronal Híbrida:
   El núcleo del generador y el discriminador consta de tres bloques interconectados:

   • Bloque Recurrente: Utiliza redes de Memoria a Largo y Corto Plazo (LSTM) para capturar la estructura autorregresiva inherente y las dependencias temporales de los datos.
   • Bloque Geométrico: Emplea Redes Neuronales Gráficas (GNN), específicamente Redes de Convolución Gráfica (GCN), para procesar la matriz de adyacencia derivada del grafo de visibilidad. Este bloque aprende información estructural local y patrones geométricos agregando información de nodos vecinos.
   • Bloque de Alimentación Directa: Combina los mapas de características temporales y geométricos. Suma las salidas de los bloques recurrente y geométrico (concatenando opcionalmente con la entrada original mediante una conexión de salto) y las pasa a través de capas totalmente conectadas con activaciones de Unidad Lineal Rectificada Paramétrica (PReLU) para producir la predicción final.

3. Funciones de Pérdida Basadas en Firmas:
   Para evaluar la calidad de los datos generados más allá de los errores puntuales simples, los autores introducen funciones de pérdida personalizadas basadas en la Firma de Series Temporales (un concepto de la teoría de trayectorias). Las salidas crudas se transforman mediante una transformación de adelanto-retraso, y se calculan sus firmas truncadas (hasta grado 5) y sus firmas truncadas acumuladas. Se definen dos métricas de pérdida:

   • Error Cuadrático Medio (MSE): Mide las discrepancias puntuales entre las firmas de los datos reales y los generados.
   • Divergencia de Kullback-Leibler (KLD): Mide la disparidad entre las distribuciones de probabilidad de las firmas.
     Estas pérdidas buscan capturar tanto los atributos locales de la trayectoria como las características distribucionales globales.

Contribuciones Clave

El artículo describe tres contribuciones principales:

1. Arquitectura Novedosa: La introducción de un modelo GAN que integra dinámicamente GNN con redes LSTM, diseñado específicamente para aprovechar tanto las propiedades autorregresivas como las estructuras geométricas para la generación de datos sintéticos.
2. Funciones de Pérdida Personalizadas: La propuesta de funciones de pérdida basadas en firmas (MSE y KLD) adaptadas para Sig-Graph GAN, lo que permite al modelo capturar discrepancias tanto en valores puntuales como en funciones de distribución de probabilidad.
3. Evaluación Exhaustiva: Una evaluación rigurosa en tres principales bolsas de valores (S&P 500, Nasdaq Composite y Nikkei 225), demostrando mejoras de rendimiento sobre puntos de referencia establecidos.

Resultados Experimentales

El modelo fue evaluado sobre precios de cierre diarios de 2010 a 2019 para el S&P 500, Nasdaq (IXIC) y Nikkei 225 (N225). Los datos se preprocesaron para calcular rendimientos logarítmicos e inducir distribuciones de colas pesadas.

• Métricas de Rendimiento: El estudio utilizó la Distancia del Movimiento de la Tierra (EMD) para medir la similitud distribucional, el Error Cuadrático Medio Raíz (RMSE) sobre firmas y una puntuación de Efecto de Apalancamiento.
• Análisis Comparativo: Sig-Graph GAN superó consistentemente a los modelos de referencia, incluidos Quant GAN (utilizando TCN), GARCH(1,1) y simulaciones de Monte Carlo basadas en Movimiento Browniano Geométrico.
  • El modelo logró puntuaciones EMD más bajas, lo que indica una coincidencia más cercana con la distribución de los rendimientos logarítmicos reales.
  • Demostró una capacidad superior para replicar el efecto de apalancamiento en comparación con la mayoría de las referencias.
  • La elección de la función de pérdida (MSE frente a KLD) influyó en el rendimiento dependiendo del conjunto de datos específico (por ejemplo, KLD favoreció N225 e IXIC, mientras que MSE favoreció S&P 500).
• Estudio de Ablación: La eliminación del Bloque Geométrico resultó en la degradación del rendimiento más significativa, confirmando la importancia de capturar patrones geométricos. El impacto del Bloque Geométrico fue particularmente pronunciado al utilizar la función de pérdida KLD.

Significado y Afirmaciones

El artículo afirma que Sig-Graph GAN avanza el campo de la generación de series temporales al integrar con éxito el modelado autorregresivo con el análisis de estructura geométrica. Al utilizar el grafo de visibilidad para representar series temporales en un espacio no euclidiano y emplear GNN para aprender estas estructuras, el modelo supera las limitaciones de los supuestos de estacionariedad encontrados en modelos estadísticos tradicionales.

Los autores afirman que este enfoque captura eficazmente tanto la evolución temporal como los patrones geométricos intrínsecos (como las características fractales) de los datos financieros. En consecuencia, el modelo genera datos sintéticos que replican con mayor precisión las características estadísticas, las dependencias temporales y las propiedades distribucionales (incluidas las colas pesadas y la agrupación de volatilidad) de las series temporales financieras reales. El trabajo sugiere que incorporar patrones geométricos es un paso pivotal hacia una generación de datos sintéticos más robusta para aplicaciones financieras, aunque los autores señalan que el trabajo futuro podría explorar reemplazar el componente LSTM con arquitecturas más avanzadas como los Transformadores.