金融モデリングを強化するための合成金融データ生成

この論文は、金融におけるデータ不足と機密性の問題を、合成金融データ生成を評価するための統一されたフレームワークを提案することによって解決しようとしています。3つの生成モデル（ARIMA-GARCH、VAEs、TimeGAN）を、忠実度、時間的構造、およびダウンストリームタスクのパフォーマンスを含む多基準評価を使用して比較しています。この研究は、標準化されたベンチマークアプローチと、生成モデルを選択するための実用的なガイドラインを提供するため、金融分野におけるモデル開発とテストを加速させる可能性があり、重要です。

• •金融におけるデータ不足と機密性の問題に対処。
• •合成金融データのための統一された多基準評価フレームワークを提案。
• •ARIMA-GARCH、VAEs、TimeGANの生成モデルを比較。
• •TimeGANは、現実性と時間的整合性の間で最良のバランスを示しています。
• •アプリケーションのニーズに基づいたモデル選択のための実用的なガイドラインを提供。