🤖 machine learning

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

Dit artikel introduceert CoMeTS-GAN, een kwaliteitsbewust generatief raamwerk dat een Conditional GAN integreert met diffusiemodellen om hoogwaardige synthetische financiële tijdreeksen te produceren door effectief gestileerde feiten en inter-asset correlatiestructuren vast te leggen.

Oorspronkelijke auteurs: Giuseppe Masi, Andrea Coletta, Novella Bartolini

Gepubliceerd 2026-05-27

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Giuseppe Masi, Andrea Coletta, Novella Bartolini

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een chef bent die probeert een robot te leren hoe hij een perfecte biefstuk moet bereiden. Het probleem is dat je slechts enkele echte biefstukken hebt om aan de robot te tonen, en je kunt de robot niet elke keer laten oefenen op echt vlees, omdat het de dure ingrediënten zou kunnen bederven. Dus besluit je de robot te leren synthetische biefstukken te maken – neppe exemplaren die er precies zo uitzien, ruiken en smaken als het echte werk.

In de wereld van de financiën zijn "biefstukken" beursdata (prijzen en handelsvolumes). Banken en onderzoekers hebben enorme hoeveelheden van deze data nodig om hun theorieën te testen, maar echte data zit vaak achter betaalmuren, privacywetgeving of bestaat simpelweg niet voor zeldzame, extreme marktevenementen.

Dit artikel introduceert een nieuwe "keuken" (een computerframework) die is ontworpen om hoogwaardige synthetische beursdata te bereiden die zo realistisch is dat het moeilijk is om het verschil te zien tussen het neppe en het echte.

Hier is hoe hun "keuken" werkt, opgesplitst in eenvoudige stappen:

1. Het Probleem: De "Eenzame Aandeel"-Fout

De meeste eerdere pogingen om beursdata te vervalsen waren als het bereiden van individuele ingrediënten in isolatie. Ze konden een neppe prijs voor Apple genereren en een neppe prijs voor Microsoft, maar ze besteedden geen aandacht aan het feit dat deze aandelen in de echte wereld vaak samen bewegen. Als Apple omhoog gaat, gaat Microsoft vaak ook omhoog. Als ze apart worden gegenereerd, kunnen ze in tegenovergestelde richtingen bewegen, wat de illusie doorbreekt.

De auteurs wilden een systeem creëren dat relaties begrijpt. Als Coca-Cola omhoog gaat, zou Pepsi waarschijnlijk ook omhoog moeten gaan. Als een tech-aandeel crasht, kan een defensief aandeel stabiel blijven.

2. De Eerste Chef: CoMeTS-GAN (De "Smaaktester")

De auteurs bouwden eerst een systeem genaamd CoMeTS-GAN. Denk hierbij aan een team van twee personen:

De Generator (De Kunstenaar): Dit deel probeert een schilderij van de beurs te maken. Het begint met willekeurige ruis en probeert een grafiek te tekenen die eruitziet als echte aandelenprijzen en volumes.
De Criticus (De Strenge Eetcriticus): Dit deel bekijkt het schilderij en zegt: "Is dit echt?"

De Geheime Saus:
Normaal gesproken controleert de Criticus alleen of de lijnen er glad uitzien. Maar in dit artikel heeft de Criticus een speciale superkracht: hij controleert de relaties.

Hij kijkt naar de neppe data en berekent: "Bewegen deze twee aandelen samen zoals ze zouden moeten?"
Als de neppe data laat zien dat Coca-Cola en Pepsi in tegenovergestelde richtingen bewegen terwijl ze samen zouden moeten bewegen, zegt de Criticus: "Nee hoor, dat is nep!" en stuurt de Kunstenaar terug naar het tekentafel.
Dit dwingt de Kunstenaar om niet alleen te leren hoe hij een lijn tekent, maar hoe hij een netwerk van verbonden lijnen tekent.

3. De Tweede Chef: Het Diffusiemodel (De "Beeldhouwer")

De auteurs namen vervolgens hun strenge Criticus en gaven hem een nieuwe baan. Ze introduceerden een tweede type AI genaamd een Diffusiemodel.

Stel je een Diffusiemodel voor als een beeldhouwer die begint met een blokje ruis en rommelige klei en langzaam de ruis wegbeitelt om een standbeeld te onthullen.
Normaal gesproken werkt de beeldhouwer alleen. Maar de auteurs realiseerden zich dat hun Criticus (uit de eerste stap) een expert was in het opsporen van "realisme".
Dus lieten ze de Criticus de beeldhouwer begeleiden. Terwijl de beeldhouwer de ruis wegbeitelt, fluistert de Criticus: "Hé, zorg ervoor dat deze twee aandelen gecorreleerd blijven!"
Dit creëert een Kwaliteitsbewust Framework. Het Diffusiemodel doet het zware werk van het creëren van de data, terwijl de Criticus optreedt als kwaliteitscontrolemanager, ervoor zorgend dat het eindproduct de complexe relaties tussen verschillende aandelen respecteert.

4. Wat Hebben Ze Bewezen?

De auteurs testten hun "keuken" op verschillende manieren:

De "Gestileerde Feiten"-test: Echte beurzen hebben specifieke eigenaardigheden (zoals grote prijssprongen die vaker voorkomen dan wiskunde voorspelt, of prijzen die in clusters bewegen). Hun neppe data had al deze eigenaardigheden, net als het echte werk.
De "Relatie"-test: Ze controleerden of de neppe data de juiste correlaties behield. Als Coca-Cola en Pepsi bijvoorbeeld 94% van de tijd samen bewegen, deed hun neppe data hetzelfde. Andere methoden faalden om deze link sterk te houden.
De "Wat-als"-test: Ze vroegen zich af: "Wat gebeurt er als we de prijs van Coca-Cola plotseling kunstmatig omhoog duwen?" Hun systeem paste de prijs van Pepsi correct aan om de reactie uit de echte wereld te matchen, wat aantoont dat het begrijpt hoe de markt reageert op schokken.
De "Grootfeest"-test: Ze probeerden data te genereren voor 30 verschillende aandelen tegelijk (het hele Dow Jones Industrial Average). Het systeem crashte niet; het hield succesvol rekening met alle complexe relaties tussen alle 30 aandelen tegelijkertijd.

De Conclusie

Dit artikel presenteert een nieuwe manier om neppe financiële data te genereren die lichtgewicht is (snel te trainen) en slim (begrijpt hoe verschillende aandelen elkaar beïnvloeden).

Door een "smaaktestende" GAN te combineren met een "beeldhouwend" Diffusiemodel, en de Criticus te gebruiken om het proces te sturen, creëerden ze een tool die eindeloze hoeveelheden realistische marktsituaties kan produceren. Dit helpt onderzoekers en banken hun strategieën te testen zonder echt geld te hoeven riskeren of te hoeven wachten tot zeldzame marktevenementen van nature plaatsvinden.

Kortom: Ze bouwden een machine die niet alleen aandelenprijzen vervalst; ze vervalst het hele ecosysteem van de beurs, inclusief hoe aandelen met elkaar communiceren.

Technische Samenvatting: Hoogwaardige Synthetische Financiële Tijdreeksen met een GAN–Diffusie Framework

Probleemstelling
Financiële instellingen vertrouwen steeds meer op synthetische data om datatekorten, privacybeperkingen en de behoefte aan contrafactuele marktscenario's aan te pakken. Echter, bestaande generieke generatieve architecturen hebben moeite om de specifieke statistische eigenschappen van financiële tijdreeksen, bekend als "gestileerde feiten" (bijv. staartdikke verdelingen, volatiliteitsclustering), nauwkeurig te reproduceren. Een kritieke beperking in huidige benaderingen is het falen om inter-asset correlatiedynamiek nauwkeurig te modelleren. Hoewel sommige modellen proberen afhankelijkheden tussen kenmerken te leren, negeren ze vaak de gelijktijdige generatie van meerdere gecorreleerde activa, wat leidt tot synthetische data die de realistische correlatiestructuren mist die essentieel zijn voor portfoliorisicobeheer en diversificatieanalyse. Bovendien zijn veel bestaande modellen rekenkundig duur, genereren ze alleen reeksen met een vaste lengte, of slagen ze er niet in de gezamenlijke dynamiek van prijs en volume vast te leggen.

Methodologie
De auteurs stellen een kwaliteitsbewust generatief framework voor dat een Conditionele Wasserstein Generative Adversarial Network (C-WGAN) integreert met Diffusiemodellen. De aanpak is gestructureerd in twee hoofdfasen:

CoMeTS-GAN (Correlated Multivariate Time Series GAN):
- Architectuur: De kern is een C-WGAN bestaande uit een Generator ( $G$ ) en een Critic ( $C$ ). De Generator maakt gebruik van een reeks temporale convolutieblokken met toenemende dilatiegroottes en een laatste lineaire laag om multivariate tijdreeksen (mid-prijzen en volumes) te produceren voor $n$ gecorreleerde aandelen. Het maakt gebruik van autoregressieve generatie om willekeurig lange reeksen te creëren.
- Conditionering: Het model neemt vorige tijdstappen ( $\mathbf{x}_{past}$ ) en een ruisvector ( $\mathbf{z}$ ) als input, verrijkt met tijdsinbeddingen afgeleid van sinusvormige positionele coderingen om temporale dynamiek vast te leggen.
- Critic-ontwerp: De Critic evalueert de realisme van gegenereerde samples via twee distincte outputs:
  - $o_1$ : Een standaard realiteitsscore afgeleid van convolutie- en lineaire lagen.
  - $o_2$ : Een correlatiescore berekend door een toewijsgewijde lineaire laag die de Pearson-correlatiecoëfficiënten van alle paren mid-prijzen en volumes verwerkt ( $\binom{2n}{2}$ paren).
- Doel: De uiteindelijke Critic-score is een gewogen som $o = o_1 + \alpha \cdot o_2$ . Dit dwingt de Generator om de Wasserstein-afstand te minimaliseren terwijl het expliciet leert de kruis-correlatiestructuren van de trainingsdata te reproduceren.
Critic-geleide Diffusiegeneratie:
- De getrainde Critic van CoMeTS-GAN wordt hergebruikt als een geleidingsmodule voor een vooraf getraind Diffusiemodel (specifiek DiffTime).
- Mechanisme: Tijdens het diffusie-samplingproces (ontruisen) wordt de gradiënt van de output van de Critic met betrekking tot de input-sample gebruikt om de generatie te sturen. De gewijzigde scorefunctie wordt gedefinieerd als $\tilde{s} = s(\mathbf{x}_t, t) + w \cdot \nabla_{\mathbf{x}_t} D(\mathbf{x}_t)$ , waarbij $w$ de geleidingssterkte moduleert.
- Functie: Dit stelt het diffusiemodel in staat om het geleerde begrip van de GAN over correlaterealisme te benutten om de kwaliteit van gegenereerde samples te verbeteren zonder het diffusiemodel zelf opnieuw te trainen.

Belangrijkste Bijdragen

CoMeTS-GAN Architectuur: Een lichtgewicht C-WGAN specifiek ontworpen voor multivariate financiële tijdreeksen die prijzen en volumes gezamenlijk genereert. Het introduceert een nieuw kruis-correlatie-afstandsmetriek binnen de Critic om realistische inter-asset afhankelijkheden af te dwingen.
Critic-geleide Diffusiestrategie: Een methode om een getrainde GAN-Critic te integreren in state-of-the-art diffusiemodellen. De Critic fungeert als een surrogaatclassificator, die het ontruimingsproces leidt om geleerde correlatiestructuren af te dwingen, waardoor een kwaliteitsbewuste generatiepiplijn ontstaat.
Uitgebreide Evaluatie: Het framework wordt gevalideerd tegen leidende generatieve modellen (bijv. TimeGAN, COSCI-GAN, GT-GAN) op zowel synthetische benchmarks als echte aandelenmarkdata (inclusief de DJIA-index).
Contrafactuele Simulatie: Het framework demonstreert het vermogen om "wat-als"-scenario's te simuleren, zoals het verschuiven van correlatiedynamiek tussen activa (bijv. het omdraaien van de correlatie tussen Coca-Cola en Pepsi van positief naar negatief) of reageren op prijsschokken op een manier die inter-asset afhankelijkheden behoudt.

Resultaten

Gestileerde Feiten: De gegenereerde data slaagt erin belangrijke financiële gestileerde feiten te repliceren, waaronder staartdikke rendementverdelingen, aggregatienormaliteit, de afwezigheid van lineaire autocorrelatie in rendementen en volatiliteitsclustering. Het legt ook de positieve correlatie tussen handelsvolume en volatiliteit vast.
Correlatiegetrouwheid: Kwantitatieve analyse met behulp van de kruis-correlatie-afstand en Wasserstein-afstand toont aan dat CoMeTS-GAN aanzienlijk beter presteert dan generieke modellen (zoals COSCI-GAN en GT-GAN) in het behouden van de correlatiestructuren van echte aandelenparen (bijv. KO-PEP, NVDA-KSU).
Schaalbaarheid en Efficiëntie: Het model kan willekeurig lange tijdreeksen (tot 24 handelsdagen) genereren via autoregressie, een vermogen dat veel bestaande modellen missen. Training is efficiënt (ongeveer 4 uur en 20 minuten) in vergelijking met complexe alternatieven zoals TimeGAN (ongeveer 39 uur).
Reactiviteit: In verstoringsexperimenten demonstreerde het model het vermogen om prijsschokken te propageren over gecorreleerde activa, waarbij de generatie van niet-verstoorde aandelen wordt aangepast om realistische correlatiedynamiek te behouden.
Diffusiegeleiding: Het toepassen van de Critic als geleiding voor het DiffTime-model verminderde de Wasserstein-afstand tussen synthetische en echte correlatieverdelingen aanzienlijk, wat bevestigt dat de GAN-Critic de realisme van diffusie-gegenereerde data effectief verbetert.

Betekenis
Het artikel beweert dat zijn framework een lichtgewicht, responsieve oplossing biedt voor realistische aandelenmarktsimulatie die inter-asset correlatiestructuren expliciet modelleert. Door de snelheid en domeinspecifieke constraint-handling van GAN's te combineren met de hoge-fideliteit samplekwaliteit van Diffusiemodellen, tonen de auteurs een weg aan naar het genereren van hoogwaardige synthetische financiële data die de beperkingen van bestaande generieke architecturen overwint. Het vermogen om een getrainde GAN-Critic opnieuw te gebruiken om diffusiemodellen te leiden, suggereert een flexibele aanpak voor het verbeteren van generatieve modellen in specifieke domeinen zonder de rekenkundige kosten van het opnieuw trainen van grote diffusienetwerken. Het werk beoogt betere risicobeoordeling, portefeuilleconstructie en contrafactuele analyse te faciliteren in financiële toepassingen waar dataprivacy en datatekorten beperkingen zijn.