في السنوات الأخيرة، شهدت المؤسسات المالية والشركات تحولًا ملحوظًا نحو استخدام البيانات الاصطناعية لمواجهة نقص البيانات ولتوليد سيناريوهات سوقية بديلة. إلا أن إنتاج جميع الخصائص الإحصائية لسلاسل الزمن المالية، والمعروفة باسم الحقائق المنمطة، لا يزال يمثل تحديًا كبيرًا للعديد من الهياكل الحالية.

في هذا السياق، نقدم إطار عمل توليدي واعٍ بالجودة يجمع بين فئتين من الطرق التوليدية، موضحين كيف تساعد هذه الاندماجات في معالجة القيود القائمة وتعزيز واقعية البيانات الاصطناعية.

أولاً، نعرض نموذج CoMeTS-GAN (شبكة الخصوم التوليدية الشرطية للسلاسل الزمنية متعددة المتغيرات) المصمم لتوليد سلاسل زمنية من أسعار السوق والكميات بشكل مشترك للأسهم المترابطة. ومن المهم الإشارة إلى كيف يمكن دمج هيكل GAN الخاص بنا مع نماذج الانتشار المتطورة لتعزيز جودة تراكيب الارتباط الناتجة.

إن الناقد في نموذج GAN يعمل كـ وحدة تقييم الجودة، حيث يرشد عملية الانتشار المفهومة ويُ enforced بنى الارتباط المكتسبة في السلاسل الزمنية الناتجة. يوفر إطار عملنا حلاً خفيف الوزن واستجابة لمحاكاة واقعية لسوق الأسهم من خلال نمذجة تراكيب الارتباط بين الأصول بشكل صريح.

من خلال التجارب، تم التحقق من إطار عملنا مقابل الهياكل التوليدية الرائدة، أظهر أنه أكثر فاعلية في التقاط الحقائق المنمطة لأسواق الأسهم ونمذجة التفاعلات بين الأصول.