🤖 machine learning

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

Cet article présente CoMeTS-GAN, un cadre génératif soucieux de la qualité qui intègre un GAN conditionnel avec des modèles de diffusion pour produire des séries temporelles financières synthétiques haute fidélité en capturant efficacement les faits stylisés et les structures de corrélation inter-actifs.

Auteurs originaux : Giuseppe Masi, Andrea Coletta, Novella Bartolini

Publié 2026-05-27

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Giuseppe Masi, Andrea Coletta, Novella Bartolini

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un chef essayant d'enseigner à un robot comment cuisiner un steak parfait. Le problème est que vous n'avez que quelques vrais steaks pour montrer au robot, et vous ne pouvez pas laisser le robot s'entraîner sur de la vraie viande à chaque fois, car cela risquerait de gâcher des ingrédients coûteux. Vous décidez donc d'enseigner au robot à préparer des steaks synthétiques — des faux qui ressemblent, sentent et goûtent exactement comme le vrai.

Dans le monde de la finance, les « steaks » sont les données du marché boursier (prix et volumes de transactions). Les banques et les chercheurs ont besoin d'énormes quantités de ces données pour tester leurs théories, mais les données réelles sont souvent verrouillées derrière des paywalls, des lois sur la vie privée, ou tout simplement inexistantes pour les événements de marché rares et extrêmes.

Cet article présente une nouvelle « cuisine » (un cadre informatique) conçue pour préparer des données synthétiques de haute qualité du marché boursier si réalistes qu'il est difficile de faire la différence entre le faux et le vrai.

Voici comment fonctionne leur « cuisine », décomposée en étapes simples :

1. Le Problème : L'Erreur de l'« Action Solitaire »

La plupart des tentatives précédentes pour falsifier des données boursières ressemblaient à la cuisson d'ingrédients individuels isolés. Elles pouvaient générer un faux prix pour Apple et un faux prix pour Microsoft, mais elles ne prenaient pas en compte le fait que, dans le monde réel, ces actions bougent souvent ensemble. Si Apple monte, Microsoft monte souvent aussi. Si elles sont générées séparément, elles pourraient bouger dans des directions opposées, ce qui brise l'illusion.

Les auteurs voulaient créer un système qui comprend les relations. Si Coca-Cola monte, Pepsi devrait probablement monter aussi. Si une action technologique s'effondre, une action défensive pourrait rester stable.

2. Le Premier Chef : CoMeTS-GAN (Le « Dégustateur »)

Les auteurs ont d'abord construit un système appelé CoMeTS-GAN. Imaginez cela comme une équipe de deux personnes :

Le Générateur (L'Artiste) : Cette partie tente de peindre une image du marché boursier. Elle commence par du bruit aléatoire et essaie de dessiner un graphique qui ressemble aux prix et aux volumes réels des actions.
Le Critique (Le Critique Culinaire Strict) : Cette partie examine la peinture et dit : « Est-ce réel ? »

La Sauce Secrète :
Habituellement, le Critique vérifie simplement si les lignes semblent lisses. Mais dans cet article, le Critique possède une super-puissance spéciale : il vérifie les relations.

Il examine les données factices et calcule : « Ces deux actions bougent-elles ensemble comme elles devraient ? »
Si les données factices montrent Coca-Cola et Pepsi bougeant dans des directions opposées alors qu'ils devraient bouger ensemble, le Critique dit : « Non, c'est faux ! » et renvoie l'Artiste à la planche à dessin.
Cela force l'Artiste à apprendre non seulement comment dessiner une ligne, mais comment dessiner un réseau de lignes connectées.

3. Le Deuxième Chef : Le Modèle de Diffusion (Le « Sculpteur »)

Les auteurs ont ensuite pris leur Critique strict et lui ont donné un nouveau travail. Ils ont introduit un deuxième type d'IA appelé un Modèle de Diffusion.

Imaginez qu'un Modèle de Diffusion est comme un sculpteur qui commence avec un bloc d'argile bruyant et désordonné et enlève lentement le bruit pour révéler une statue.
Habituellement, le sculpteur travaille seul. Mais les auteurs ont réalisé que leur Critique (de la première étape) était un expert pour repérer le « réalisme ».
Ils ont donc laissé le Critique guider le sculpteur. Alors que le sculpteur enlève le bruit, le Critique chuchote : « Hé, assure-toi que ces deux actions restent corrélées ! »
Cela crée un Cadre Conscient de la Qualité. Le Modèle de Diffusion fait le gros du travail de création des données, tandis que le Critique agit comme un responsable du contrôle qualité, s'assurant que le produit final respecte les relations complexes entre différentes actions.

4. Qu'ont-ils Démontré ?

Les auteurs ont testé leur « cuisine » de plusieurs manières :

Le Test des « Faits Stylisés » : Les marchés boursiers réels ont des particularités spécifiques (comme des sauts de prix importants se produisant plus souvent que ne le prédit les mathématiques, ou des prix bougeant par grappes). Leurs données factices présentaient toutes ces particularités, tout comme le vrai.
Le Test de la « Relation » : Ils ont vérifié si les données factices maintenaient les bonnes corrélations. Par exemple, si Coca-Cola et Pepsi bougent généralement ensemble 94 % du temps, leurs données factices faisaient de même. D'autres méthodes ont échoué à maintenir ce lien fort.
Le Test du « Et Si » : Ils ont demandé : « Que se passe-t-il si nous augmentons artificiellement et soudainement le prix de Coca-Cola ? » Leur système a correctement ajusté le prix de Pepsi pour correspondre à la réaction du monde réel, montrant qu'il comprend comment le marché réagit aux chocs.
Le Test de la « Grande Fête » : Ils ont essayé de générer des données pour 30 actions différentes à la fois (tout le Dow Jones Industrial Average). Le système ne s'est pas effondré ; il a réussi à suivre toutes les relations complexes entre les 30 actions simultanément.

La Conclusion

Cet article présente une nouvelle façon de générer des données financières factices qui est légère (rapide à entraîner) et intelligente (comprend comment différentes actions s'influencent mutuellement).

En combinant un GAN de « dégustation » avec un Modèle de Diffusion de « sculpture », et en utilisant le Critique pour guider le processus, ils ont créé un outil capable de produire une quantité infinie de scénarios de marché réalistes. Cela aide les chercheurs et les banques à tester leurs stratégies sans avoir besoin de risquer de l'argent réel ou d'attendre que des événements de marché rares se produisent naturellement.

En bref : Ils ont construit une machine qui ne falsifie pas seulement les prix des actions ; elle falsifie tout l'écosystème du marché boursier, y compris la façon dont les actions communiquent entre elles.

Résumé Technique : Séries Temporelles Financières Synthétiques de Haute Qualité utilisant un Cadre GAN–Diffusion

Énoncé du Problème
Les institutions financières s'appuient de plus en plus sur des données synthétiques pour pallier la pénurie de données, les contraintes de confidentialité et le besoin de scénarios de marché contrefactuels. Cependant, les architectures génératives à usage général existantes peinent à reproduire les propriétés statistiques spécifiques des séries temporelles financières, connues sous le nom de « faits stylisés » (par exemple, distributions à queues épaisses, regroupement de la volatilité). Une limitation critique des approches actuelles réside dans l'incapacité à modéliser avec précision la dynamique des corrélations inter-actifs. Bien que certains modèles tentent d'apprendre les dépendances entre caractéristiques, ils négligent souvent la génération simultanée de plusieurs actifs corrélés, conduisant à des données synthétiques dépourvues des structures de corrélation réalistes essentielles à la gestion des risques de portefeuille et à l'analyse de diversification. De plus, de nombreux modèles existants sont coûteux en calcul, génèrent uniquement des séquences de longueur fixe, ou échouent à capturer la dynamique conjointe des prix et des volumes.

Méthodologie
Les auteurs proposent un cadre génératif conscient de la qualité intégrant un Réseau Antagoniste Génératif à Wasserstein Conditionnel (C-WGAN) avec des Modèles de Diffusion. L'approche est structurée en deux phases principales :

CoMeTS-GAN (GAN de Séries Temporelles Multivariées Corrélées) :
- Architecture : Le cœur est un C-WGAN composé d'un Générateur ( $G$ ) et d'un Critique ( $C$ ). Le Générateur emploie une série de blocs de convolution temporelle avec des tailles de dilatation croissantes et une dernière couche linéaire pour produire des séries temporelles multivariées (prix intermédiaires et volumes) pour $n$ actions corrélées. Il utilise une génération auto-régressive pour créer des séquences de longueur arbitraire.
- Conditionnement : Le modèle prend comme entrée les pas de temps passés ( $\mathbf{x}_{past}$ ) et un vecteur de bruit ( $\mathbf{z}$ ), augmentés d'embeddings temporels dérivés de codages de position sinusoïdaux pour capturer la dynamique temporelle.
- Conception du Critique : Le Critique évalue le réalisme des échantillons générés via deux sorties distinctes :
  - $o_1$ : Un score de réalisme standard dérivé de couches de convolution et linéaires.
  - $o_2$ : Un score de corrélation calculé par une couche linéaire dédiée qui traite les coefficients de corrélation de Pearson de toutes les paires de prix intermédiaires et de volumes ( $\binom{2n}{2}$ paires).
- Objectif : Le score final du Critique est une somme pondérée $o = o_1 + \alpha \cdot o_2$ . Cela force le Générateur à minimiser la distance de Wasserstein tout en apprenant explicitement à reproduire les structures de corrélation croisée des données d'entraînement.
Génération par Diffusion Guidée par le Critique :
- Le Critique entraîné de CoMeTS-GAN est réutilisé comme module de guidage pour un Modèle de Diffusion pré-entraîné (spécifiquement DiffTime).
- Mécanisme : Pendant le processus d'échantillonnage de diffusion (débruitage), le gradient de la sortie du Critique par rapport à l'échantillon d'entrée est utilisé pour orienter la génération. La fonction de score modifiée est définie comme $\tilde{s} = s(\mathbf{x}_t, t) + w \cdot \nabla_{\mathbf{x}_t} D(\mathbf{x}_t)$ , où $w$ module la force du guidage.
- Fonctionnement : Cela permet au modèle de diffusion de tirer parti de la compréhension apprise par le GAN concernant le réalisme des corrélations pour améliorer la qualité des échantillons générés sans réentraîner le modèle de diffusion lui-même.

Contributions Clés

Architecture CoMeTS-GAN : Un C-WGAN léger conçu spécifiquement pour les séries temporelles financières multivariées qui génère conjointement les prix et les volumes. Il introduit une nouvelle métrique de distance de corrélation croisée au sein du Critique pour imposer des dépendances inter-actifs réalistes.
Stratégie de Diffusion Guidée par le Critique : Une méthode pour intégrer un Critique de GAN entraîné dans des modèles de diffusion de l'état de l'art. Le Critique agit comme un classifieur de substitution, guidant le processus de débruitage pour imposer les structures de corrélation apprises, créant ainsi un pipeline de génération conscient de la qualité.
Évaluation Complète : Le cadre est validé par rapport à des modèles génératifs de premier plan (par exemple, TimeGAN, COSCI-GAN, GT-GAN) sur des benchmarks synthétiques et des données réelles de marché boursier (incluant l'indice DJIA).
Simulation Contrefactuelle : Le cadre démontre la capacité à simuler des scénarios « et si », tels que le déplacement des dynamiques de corrélation entre les actifs (par exemple, inverser la corrélation entre Coca-Cola et Pepsi de positive à négative) ou réagir à des chocs de prix d'une manière qui préserve les dépendances inter-actifs.

Résultats

Faits Stylisés : Les données générées reproduisent avec succès les faits stylisés financiers clés, notamment les distributions de rendements à queues épaisses, la normalité agrégative, l'absence d'autocorrélation linéaire dans les rendements et le regroupement de la volatilité. Elles capturent également la corrélation positive entre le volume d'échanges et la volatilité.
Fidélité des Corrélations : L'analyse quantitative utilisant la distance de corrélation croisée et la distance de Wasserstein montre que CoMeTS-GAN surpasse significativement les modèles à usage général (comme COSCI-GAN et GT-GAN) dans la préservation des structures de corrélation de paires d'actions réelles (par exemple, KO-PEP, NVDA-KSU).
Évolutivité et Efficacité : Le modèle peut générer des séries temporelles de longueur arbitraire (jusqu'à 24 jours de bourse) via auto-régression, une capacité dont manquent de nombreux modèles existants. L'entraînement est efficace (environ 4 heures et 20 minutes) par rapport à des alternatives complexes comme TimeGAN (environ 39 heures).
Réactivité : Dans des expériences de perturbation, le modèle a démontré sa capacité à propager les chocs de prix à travers les actifs corrélés, ajustant la génération des actions non perturbées pour maintenir des dynamiques de corrélation réalistes.
Guidage par Diffusion : L'application du Critique comme guide au modèle DiffTime a considérablement réduit la distance de Wasserstein entre les distributions de corrélation synthétiques et réelles, confirmant que le Critique de GAN améliore efficacement le réalisme des données générées par diffusion.

Signification
L'article affirme que son cadre offre une solution légère et réactive pour une simulation réaliste du marché boursier qui modélise explicitement les structures de corrélation inter-actifs. En combinant la rapidité et la gestion des contraintes spécifiques au domaine des GANs avec la haute fidélité de la qualité des échantillons des Modèles de Diffusion, les auteurs démontrent une voie pour générer des données financières synthétiques de haute qualité qui surmontent les limites des architectures à usage général existantes. La capacité de réutiliser un Critique de GAN entraîné pour guider les modèles de diffusion suggère une approche flexible pour améliorer les modèles génératifs dans des domaines spécifiques sans le coût computationnel du réentraînement de grands réseaux de diffusion. Ce travail vise à faciliter une meilleure évaluation des risques, la construction de portefeuilles et l'analyse contrefactuelle dans les applications financières où la confidentialité et la pénurie des données sont des contraintes.