[论文解读] Towards Improved Generalization in Financial Markets with Synthetic Data Generation

Brandon Da Silva, Sylvie Shang Shi|arXiv (Cornell University)|May 1, 2019

Stock Market Forecasting Methods被引用 2

一句话总结

本文提出了一种用于金融时间序列的生成模型，能够合成数百万条逼真的市场路径，从而提升深度学习模型在高维、小样本场景下的泛化能力。通过捕捉超越传统随机过程的复杂市场结构，该方法减少了过拟合现象，并提升了分布外性能。

ABSTRACT

Training deep learning models that generalize well to live deployment is a challenging problem in the financial markets. The challenge arises because of high dimensionality, limited observations, changing data distributions, and a low signal-to-noise ratio. High dimensionality can be dealt with using robust feature selection or dimensionality reduction, but limited observations often result in a model that overfits due to the large parameter space of most deep neural networks. We propose a generative model for financial time series, which allows us to train deep learning models on millions of simulated paths. We show that our generative model is able to create realistic paths that embed the underlying structure of the markets in a way stochastic processes cannot.

研究动机与目标

• 解决深度学习模型在金融市场中部署时因数据有限和维度高而导致的泛化能力差的问题。
• 克服在稀疏金融观测数据上训练大规模参数空间的深度神经网络所导致的过拟合问题。
• 开发一种生成模型，能够生成超越标准随机过程能力的、逼真且结构准确的金融时间序列路径。
• 通过基于所提出的生成框架生成的数百万条合成市场路径进行训练，提升模型的鲁棒性和泛化能力。

提出的方法

• 作者设计了一种专为金融时间序列定制的深度生成模型，能够学习复杂的时序依赖关系和市场动态。
• 该模型通过学习真实市场数据中的潜在统计与结构模式（包括非线性依赖关系和波动率聚集）来生成合成路径。
• 它利用深度神经网络建模资产收益的联合分布，捕捉偏度、峰度以及时变相关性等特征。
• 该生成框架通过生成数百万条多样化但逼真的市场情景，实现数据增强，用于训练深度学习模型。
• 该模型在历史市场数据上进行端到端训练，以确保与真实市场行为的一致性，同时保持分布的一致性。
• 通过生成路径的定性和定量评估验证，该方法在捕捉市场结构方面优于传统随机过程。

实验结果

研究问题

• RQ1 深度生成模型能否比标准随机过程更有效地生成嵌入真实市场底层结构的合成金融时间序列？
• RQ2 在低样本、高维金融设置下，使用该方法生成的合成数据训练深度学习模型，能在多大程度上提升泛化能力？
• RQ3 生成的路径在多大程度上保留了真实市场数据中常见的关键统计特性，如波动率聚集、厚尾分布和时变相关性？
• RQ4 使用该模型生成的合成数据能否减少过拟合，并提升模型在分布外市场条件下的性能？

主要发现

• 所提出的生成模型成功生成了表现出逼真市场动态的合成金融时间序列，包括非线性依赖关系和波动率聚集。
• 与传统随机过程相比，生成的路径更准确地嵌入了复杂的市场结构，后者往往无法捕捉高阶依赖关系。
• 在合成数据上训练的深度学习模型表现出更好的泛化性能，尤其在过拟合问题突出的小样本场景中。
• 该方法支持在数百万条合成市场路径上进行训练，显著扩大了有效训练数据规模，降低了过拟合风险。
• 该生成模型在保留真实金融时间序列的关键统计特征（如重尾分布和收益自相关性）方面优于基线随机过程。
• 该方法使深度学习模型更具鲁棒性，能更好地泛化到未见过的市场条件，尤其是在分布偏移情况下。