[1Win4] ポスターセッション1

[1Win4-84] 拡散モデルを用いた条件付き金融時系列データ生成

〇田中 優貴¹、橋本 龍二¹、高柳 剛弘¹、朴 哲²、村山 友理¹、和泉 潔¹ (1.東京大学、2.野村ホールディングス)

キーワード：金融、生成モデル、時系列データ

金融合成データ生成は、利用可能な実データに制約がある金融分野における重要な技術である。従来から活用されてきた統計モデルによる合成データは金融時系列データに見られるstylized factsを満たさないという課題があり、近年台頭している深層生成モデルによる合成データはstylized factsを満たす一方で、 合成データを直接条件づけられないという課題が存在する。本研究では、条件付き拡散モデルを用いた金融合成データ生成パイプラインCoFinDiff(Controllable Financial Diffusion model)を提案する。CoFinDiffは、金融時系列データをwavelet 変換で画像化し、拡散モデルにより条件とデータの対応関係を学習することで、合成データの直接的な条件づけを初めて実現した。株価系列を用いた実験により、(i)CoFinDiffによる合成データはstylized factsを満たすこと、(ii)CoFinDiff による合成データは条件を正確に満たすこと、(iii)CoFinDiff が特定の条件下で多様な合成データを生成できることが明らかとなった