論文の概要: Beyond Visual Realism: Toward Reliable Financial Time Series Generation

• arxiv url: http://arxiv.org/abs/2601.12990v1
• Date: Mon, 19 Jan 2026 12:09:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.893489
• Title: Beyond Visual Realism: Toward Reliable Financial Time Series Generation
• Title（参考訳）: ビジュアルリアリズムを超えて - 信頼性のある金融時系列生成を目指して
• Authors: Fan Zhang, Jiabin Luo, Zheng Zhang, Shuanghong Huang, Zhipeng Liu, Yu Chen,
• Abstract要約: 金融時系列の生成モデルは、しばしば現実的に見えるデータを生成し、太った尾やボラティリティクラスタリングのようなスタイル化された事実を再現する。 GANやWGAN-GPといったモデルは、しばしば崩壊する。 我々は、市場リスクに強く影響を及ぼす金融非対称性やレアテールイベントの無視の根本原因を特定する。
• 参考スコア（独自算出の注目度）: 10.458754867159508
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative models for financial time series often create data that look realistic and even reproduce stylized facts such as fat tails or volatility clustering. However, these apparent successes break down under trading backtests: models like GANs or WGAN-GP frequently collapse, yielding extreme and unrealistic results that make the synthetic data unusable in practice. We identify the root cause in the neglect of financial asymmetry and rare tail events, which strongly affect market risk but are often overlooked by objectives focusing on distribution matching. To address this, we introduce the Stylized Facts Alignment GAN (SFAG), which converts key stylized facts into differentiable structural constraints and jointly optimizes them with adversarial loss. This multi-constraint design ensures that generated series remain aligned with market dynamics not only in plots but also in backtesting. Experiments on the Shanghai Composite Index (2004--2024) show that while baseline GANs produce unstable and implausible trading outcomes, SFAG generates synthetic data that preserve stylized facts and support robust momentum strategy performance. Our results highlight that structure-preserving objectives are essential to bridge the gap between superficial realism and practical usability in financial generative modeling.
• Abstract（参考訳）: 金融時系列の生成モデルは、しばしば現実的に見えるデータを生成し、太った尾やボラティリティクラスタリングのようなスタイル化された事実を再現する。 GANやWGAN-GPのようなモデルはしばしば崩壊し、極端に非現実的な結果をもたらし、実際には合成データが使用不能になる。 我々は、市場リスクに強く影響する金融非対称性やレアテールイベントの無視の根本原因を特定するが、流通の整合性に着目した目的によって見落とされがちである。 そこで本研究では,Stylized Facts Alignment GAN(SFAG)を提案する。 この多重制約設計は、生成したシリーズがプロットだけでなくバックテストにおいても市場ダイナミクスと一致し続けることを保証している。 上海総合指数(2004-2024)の実験では、ベースラインのGANが不安定で不確実な取引結果を生み出す一方で、SFAGは、スタイル化された事実を保存し、堅牢なモーメント戦略のパフォーマンスをサポートする合成データを生成する。 この結果から,表層リアリズムと財務生成モデルにおける実用性とのギャップを埋めるためには,構造保存の目的が不可欠であることが示唆された。

関連論文リスト

• Deep Generative Models for Synthetic Financial Data: Applications to Portfolio and Risk Modeling [0.0]
  シンセティック・ファイナンス・データ(英語版)は、量的ファイナンスにおける経験的な研究をしばしば制限するプライバシー、アクセシビリティ、課題に対する実践的な解決策を提供する。 本稿では,時系列生成支援ネットワーク(TimeGAN)と変分オートエンコーダ(VAE)を用いて,リアルな合成金融リターン生成を行う。
  論文  参考訳（メタデータ） (2025-12-25T22:28:32Z)
• ACT-Tensor: Tensor Completion Framework for Financial Dataset Imputation [2.3404331106562677]
  本稿では,アダプティブ・クラスタベースのテンソルスムージング・テンソル・コンプリート・フレームワーク(ACT-Tensor)を導入する。 ACT-Tensorは、欠落するデータレシスタンスの範囲で、計算精度の点で、最先端のベンチマークを一貫して上回っている。 その結果、ACT-Tensorは価格の誤差を減らすだけでなく、構築されたポートフォリオのリスク調整されたリターンを大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2025-08-03T17:28:57Z)
• Learning Time-Aware Causal Representation for Model Generalization in Evolving Domains [50.66049136093248]
  動的因果要因と因果機構のドリフトを組み込んだ時間認識型構造因果モデル(SCM)を開発した。 本研究では,時間領域毎に最適な因果予測値が得られることを示す。 合成と実世界の両方のデータセットの結果から,SynCは時間的一般化性能に優れることが示された。
  論文  参考訳（メタデータ） (2025-06-21T14:05:37Z)
• A Theoretical Perspective: How to Prevent Model Collapse in Self-consuming Training Loops [55.07063067759609]
  高品質なデータは大規模な生成モデルのトレーニングには不可欠だが、オンラインで利用可能な実際のデータの膨大な蓄積はほとんど枯渇している。 モデルは、さらなるトレーニングのために独自のデータを生成し、自己消費訓練ループ(STL)を形成する。 一部のモデルは劣化または崩壊するが、他のモデルはこれらの失敗をうまく回避し、理論的な理解にかなりのギャップを残している。
  論文  参考訳（メタデータ） (2025-02-26T06:18:13Z)
• STORM: A Spatio-Temporal Factor Model Based on Dual Vector Quantized Variational Autoencoders for Financial Trading [55.02735046724146]
  金融取引では、ファクターモデルが資産の価格設定や過大なリターンの獲得に広く利用されている。 双対ベクトル量子化変分オートエンコーダを用いた時空間ファクトラーモデルSTORMを提案する。 ストームは時間的および空間的な視点からストックの特徴を抽出し、これらの特徴を微細で意味的なレベルで融合し整列させ、その要素を多次元の埋め込みとして表現する。
  論文  参考訳（メタデータ） (2024-12-12T17:15:49Z)
• CasTGAN: Cascaded Generative Adversarial Network for Realistic Tabular Data Synthesis [0.4999814847776097]
  近年,GAN(Generative Adversarial Network)が注目されている。 合成データの妥当性と基礎となるプライバシーに関する懸念は、十分に対処されていない主要な課題を表している。
  論文  参考訳（メタデータ） (2023-07-01T16:52:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。