자기회귀 확산 모델로 시장 데이터를 생성할 수 있을까

연구자들이 자기회귀 확산(autoregressive diffusion) 기술을 금융 시장 데이터 생성에 적용할 수 있는지 검토했다. 확산 모델은 노이즈에서 시작해 점진적으로 데이터를 복원하는 방식으로 작동하는데, 시계열 데이터인 시장 정보에 자기회귀 구조를 결합하면 시간 순서를 유지하면서 현실적인 가격·거래량 데이터를 만들 수 있다는 아이디어다.

금융 데이터 합성은 머신러닝 모델 훈련용 데이터가 부족하거나 민감한 정보 보호가 필요할 때 쓰인다. 다만 시장 데이터는 통계적 성질과 자기상관 구조가 복잡해서 단순한 생성 모델로는 현실성 있는 데이터를 만들기 어렵다. 자기회귀 확산이 이 문제를 풀 수 있는지가 관심사인 이유다.