生成モデルによる暗号資産における合成データ

要旨: データは、デジタル金融エコシステムにおいて市場、サービス、製品を統合するうえで根本的な役割を果たす。しかし、特に金融の文脈において実データを用いることは、プライバシー上のリスクやアクセス制限につながり、機関、研究、モデリングのプロセスに影響を及ぼしうる。すべての金融データセットがそのような制約を持つわけではないものの、本研究は、暗号通貨の価格時系列に適用する合成データを生成するために、深層学習手法を用いることを提案する。提案手法は、条件付き生成的敵対ネットワーク（CGAN）に基づき、統計的に整合性のある合成データを生成するために、LSTM型の再帰ジェネレータとMLPの判別器を組み合わせる。実験では異なる暗号資産を考慮し、モデルが関連する時間的パターンを再現できることを示し、市場のトレンドやダイナミクスを保持する。GANによる合成系列の生成は、より複雑な生成アプローチと比べて計算コストを抑えつつ、市場行動の分析や異常検知といった用途に向けて可能性を示す、金融データをシミュレートするための効率的な代替手段である。