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

技术摘要：基于 GAN–扩散框架的高质量合成金融时间序列

问题陈述
金融机构日益依赖合成数据，以应对数据稀缺、隐私限制以及对反事实市场场景的需求。然而，现有的通用生成架构难以复现金融时间序列特有的统计属性，即“典型事实”（如肥尾分布、波动率聚集）。当前方法的一个关键局限在于无法准确建模资产间的相关性动态。尽管某些模型试图学习特征依赖关系，但它们往往忽视了多相关资产的同步生成，导致生成的合成数据缺乏投资组合风险管理和分散化分析所必需的真实相关性结构。此外，许多现有模型计算成本高昂，仅能生成长度固定的序列，或未能捕捉价格与成交量的联合动态。

方法论
作者提出了一种质量感知的生成框架，将条件 Wasserstein 生成对抗网络（C-WGAN）与扩散模型相结合。该方法分为两个主要阶段：

1. CoMeTS-GAN（相关多变量时间序列 GAN）：

   • 架构： 核心是一个由生成器（$G$）和判别器（$C$）组成的 C-WGAN。生成器采用一系列具有递增扩张率的时序卷积块，并配合一个最终的线性层，以生成 $n$ 只相关股票的多变量时间序列（中间价和成交量）。它利用自回归生成来创建任意长度的序列。
   • 条件设定： 模型将过去的时间步（$\mathbf{x}_{past}$）和噪声向量（$\mathbf{z}$）作为输入，并辅以源自正弦位置编码的时间嵌入，以捕捉时序动态。
   • 判别器设计： 判别器通过两个不同的输出评估生成样本的真实性：
     • $o_1$：源自卷积层和线性层的标准真实性得分。
     • $o_2$：由专用线性层计算的相关性得分，该层处理所有中间价和成交量对（共 $\binom{2n}{2}$ 对）的皮尔逊相关系数。
   • 目标： 最终的判别器得分为加权和 $o = o_1 + \alpha \cdot o_2$。这迫使生成器在最小化 Wasserstein 距离的同时，显式地学习复现训练数据中的交叉相关结构。

2. 判别器引导的扩散生成：

   • 来自 CoMeTS-GAN 的已训练判别器被重新用作预训练扩散模型（具体为 DiffTime）的引导模块。
   • 机制： 在扩散采样（去噪）过程中，利用判别器输出相对于输入样本的梯度来引导生成。修改后的得分函数定义为 $\tilde{s} = s(\mathbf{x}_t, t) + w \cdot \nabla_{\mathbf{x}_t} D(\mathbf{x}_t)$，其中 $w$ 调节引导强度。
   • 功能： 这使得扩散模型能够利用 GAN 对相关性真实性的学习理解，从而在不重新训练扩散模型本身的情况下提升生成样本的质量。

主要贡献

• CoMeTS-GAN 架构： 一种专为多变量金融时间序列设计的轻量级 C-WGAN，能够联合生成价格和成交量。它在判别器中引入了一种新颖的交叉相关距离度量，以强制实现真实的资产间依赖关系。
• 判别器引导的扩散策略： 一种将已训练 GAN 判别器集成到最先进扩散模型中的方法。判别器充当代理分类器，引导去噪过程以强制实施学习到的相关结构，从而创建一个质量感知的生成流程。
• 全面评估： 该框架在合成基准和真实股票市场数据（包括道琼斯工业平均指数）上，与领先的生成模型（如 TimeGAN、COSCI-GAN、GT-GAN）进行了验证。
• 反事实模拟： 该框架展示了模拟“如果”场景的能力，例如改变资产间的相关性动态（例如，将可口可乐与百事可乐之间的相关性从正相关翻转为负相关），或以保持资产间依赖关系的方式对价格冲击做出反应。

结果

• 典型事实： 生成的数据成功复现了关键的金融典型事实，包括肥尾回报分布、聚合正态性、回报中线性自相关的缺失以及波动率聚集。它还捕捉到了成交量与波动率之间的正相关性。
• 相关性保真度： 使用交叉相关距离和 Wasserstein 距离进行的定量分析表明，CoMeTS-GAN 在保留真实股票对（如 KO-PEP、NVDA-KSU）的相关性结构方面，显著优于通用模型（如 COSCI-GAN 和 GT-GAN）。
• 可扩展性与效率： 该模型可通过自回归生成任意长度的时间序列（长达 24 个交易日），这是许多现有模型所缺乏的能力。与 TimeGAN（约 39 小时）等复杂替代方案相比，其训练效率更高（约 4 小时 20 分钟）。
• 反应性： 在扰动实验中，该模型展示了在相关资产间传播价格冲击的能力，并调整未受扰动股票的生成，以维持真实的相关性动态。
• 扩散引导： 将判别器作为 DiffTime 模型的引导器，显著降低了合成数据与真实相关性分布之间的 Wasserstein 距离，证实了 GAN 判别器有效增强了扩散生成数据的真实性。

意义
该论文声称，其框架提供了一种轻量级、响应迅速的解决方案，用于模拟真实的股票市场，并显式地对资产间相关性结构进行建模。通过将 GAN 的速度和特定领域约束处理能力与扩散模型的高保真样本质量相结合，作者展示了一条生成高质量合成金融数据的路径，克服了现有通用架构的局限性。重用已训练的 GAN 判别器来引导扩散模型的能力，表明了一种灵活的途径，可在不重新训练大型扩散网络所带来的计算成本的情况下，增强特定领域的生成模型。这项工作旨在促进在数据隐私和稀缺性构成约束的金融应用中，进行更好的风险评估、投资组合构建和反事实分析。