Résumé Technique : Un Réseau de Neurones Graphique Génératif Adversarial pour des Séries Temporelles Synthétiques

Énoncé du Problème

La génération de séries temporelles financières synthétiques est cruciale pour pallier la pénurie de données, les préoccupations liées à la confidentialité et le besoin d'ensembles d'entraînement diversifiés afin d'améliorer la généralisation des modèles. Cependant, cette tâche est entravée par le caractère non stationnaire et stochastique des données financières. Les modèles statistiques traditionnels (par exemple, ARIMA, Black-Scholes) reposent souvent sur des hypothèses de stationnarité faible et d'homoscédasticité, ce qui limite leur efficacité pour capturer l'évolution de la volatilité et les dynamiques de marché complexes. Bien que les approches d'apprentissage profond axées sur les données, en particulier les Réseaux Génératifs Adversariaux (GAN), aient montré des promesses, les modèles existants se concentrent principalement sur la nature autorégressive des séries temporelles. Ils négligent fréquemment les motifs géométriques sous-jacents et les dépendances non linéaires inhérentes aux données financières, lesquels sont essentiels pour modéliser avec précision le risque et la volatilité.

Méthodologie : Le Cadre Sig-Graph GAN

Les auteurs proposent Sig-Graph GAN, une architecture novatrice qui intègre trois composants distincts pour capturer à la fois les propriétés temporelles et géométriques des séries temporelles :

1. Représentation Graphique via le Graphes de Visibilité :
   Pour répondre à la non-stationnarité et capturer les structures géométriques, le modèle transforme les séries temporelles univariées en une représentation graphique utilisant l'algorithme du Graphe de Visibilité. Dans cette approche, les points de données deviennent des nœuds, et des arêtes sont formées si une ligne de vue claire existe entre eux. Cette transformation préserve les propriétés structurelles (par exemple, la périodicité, l'aléatoire, les caractéristiques fractales) et permet au modèle d'opérer dans un espace non euclidien sans supposer de stationnarité.

2. Architecture Neurale Hybride :
   Le cœur du générateur et du discriminateur se compose de trois blocs interconnectés :

   • Bloc Récurrent : Utilise des réseaux de mémoire à long et court terme (LSTM) pour capturer la structure autorégressive inhérente et les dépendances temporelles des données.
   • Bloc Géométrique : Met en œuvre des Réseaux de Neurones Graphiques (GNN), spécifiquement des Réseaux de Convolution Graphique (GCN), pour traiter la matrice d'adjacence dérivée du graphe de visibilité. Ce bloc apprend les informations structurelles locales et les motifs géométriques en agrégeant les informations des nœuds voisins.
   • Bloc Feedforward : Combine les cartes de caractéristiques temporelles et géométriques. Il somme les sorties des blocs récurrent et géométrique (en concaténant optionnellement avec l'entrée originale via une connexion résiduelle) et les fait passer à travers des couches entièrement connectées avec des activations Unité Linéaire Rectifiée Paramétrique (PReLU) pour produire la prédiction finale.

3. Fonctions de Perte Basées sur les Signatures :
   Pour évaluer la qualité des données générées au-delà des simples erreurs ponctuelles, les auteurs introduisent des fonctions de perte personnalisées basées sur la Signature de Série Temporelle (un concept issu de la théorie des chemins). Les sorties brutes sont transformées via une transformation décalage-décalage (lead-lag), et leurs signatures tronquées (jusqu'au degré 5) et signatures tronquées cumulatives sont calculées. Deux métriques de perte sont définies :

   • Erreur Quadratique Moyenne (MSE) : Mesure les écarts ponctuels entre les signatures des données réelles et générées.
   • Divergence de Kullback-Leibler (KLD) : Mesure la disparité entre les distributions de probabilité des signatures.
     Ces pertes visent à capturer à la fois les attributs locaux des chemins et les caractéristiques globales de la distribution.

Contributions Clés

L'article expose trois contributions principales :

1. Architecture Novatrice : L'introduction d'un modèle GAN intégrant dynamiquement des GNN avec des réseaux LSTM, spécifiquement conçu pour exploiter à la fois les propriétés autorégressives et les structures géométriques pour la génération de données synthétiques.
2. Fonctions de Perte Personnalisées : La proposition de fonctions de perte basées sur les signatures (MSE et KLD) adaptées au Sig-Graph GAN, permettant au modèle de capturer les écarts tant dans les valeurs ponctuelles que dans les fonctions de distribution de probabilité.
3. Évaluation Complète : Une évaluation rigoureuse sur trois grandes bourses (S&P 500, Nasdaq Composite et Nikkei 225), démontrant des améliorations de performance par rapport aux références établies.

Résultats Expérimentaux

Le modèle a été évalué sur les cours de clôture quotidiens de 2010 à 2019 pour le S&P 500, le Nasdaq (IXIC) et le Nikkei 225 (N225). Les données ont été prétraitées pour calculer les rendements logarithmiques et induire des distributions à queues épaisses.

• Métriques de Performance : L'étude a utilisé la Distance de Transport Optimal (Earth Mover's Distance, EMD) pour mesurer la similarité distributionnelle, l'Erreur Quadratique Moyenne Racine (RMSE) sur les signatures, et un score d'Effet de Levier.
• Analyse Comparative : Sig-Graph GAN a constamment surpassé les modèles de référence, notamment Quant GAN (utilisant des TCN), GARCH(1,1) et les simulations de Monte Carlo basées sur le Mouvement Brownien Géométrique.
  • Le modèle a obtenu des scores EMD plus faibles, indiquant une correspondance plus étroite avec la distribution des rendements logarithmiques réels.
  • Il a démontré une capacité supérieure à reproduire l'effet de levier par rapport à la plupart des références.
  • Le choix de la fonction de perte (MSE vs KLD) a influencé la performance selon le jeu de données spécifique (par exemple, KLD a favorisé N225 et IXIC, tandis que MSE a favorisé le S&P 500).
• Étude d'Ablation : La suppression du Bloc Géométrique a entraîné la dégradation de performance la plus significative, confirmant l'importance de capturer les motifs géométriques. L'impact du Bloc Géométrique était particulièrement prononcé lors de l'utilisation de la fonction de perte KLD.

Importance et Revendications

L'article affirme que Sig-Graph GAN fait progresser le domaine de la génération de séries temporelles en intégrant avec succès la modélisation autorégressive avec l'analyse de structure géométrique. En utilisant le graphe de visibilité pour représenter les séries temporelles dans un espace non euclidien et en employant des GNN pour apprendre ces structures, le modèle surmonte les limitations des hypothèses de stationnarité trouvées dans les modèles statistiques traditionnels.

Les auteurs affirment que cette approche capture efficacement à la fois l'évolution temporelle et les motifs géométriques intrinsèques (tels que les caractéristiques fractales) des données financières. Par conséquent, le modèle génère des données synthétiques qui reproduisent plus fidèlement les caractéristiques statistiques, les dépendances temporelles et les propriétés distributionnelles (incluant les queues épaisses et le regroupement de la volatilité) des séries temporelles financières réelles. Le travail suggère que l'intégration de motifs géométriques est une étape pivot vers une génération de données synthétiques plus robuste pour les applications financières, bien que les auteurs notent que des travaux futurs pourraient explorer le remplacement du composant LSTM par des architectures plus avancées comme les Transformers.