TF-CoDiT: Neuer Diffusions-Transformer für Treasury-Futures
Die neueste Veröffentlichung von TF‑CoDiT markiert einen Meilenstein in der künstlichen Erzeugung von Treasury‑Futures‑Daten. Während Diffusion‑Transformers bereits beeindruckende Ergebnisse bei Aktienkursen und Orderflows erzielt haben, blieb die Synthese von Treasury‑Futures lange Zeit unerforscht. TF‑CoDiT adressiert die besonderen Herausforderungen dieser Daten – geringe Volumen, starke Marktabhängigkeiten und gruppierte Korrelationen mehrerer Variablen – und liefert damit ein leistungsfähiges Werkzeug für die Finanzforschung.
Der Ansatz von TF‑CoDiT beginnt damit, mehrkanalige 1‑D‑Zeitreihen in Diskrete-Wavelet‑Transformations‑(DWT)‑Matrizen zu überführen. Anschließend nutzt ein U‑Shape‑Variational Autoencoder (VAE) die hierarchische Struktur, um Querschnittsabhängigkeiten in ein latentes Raum‑Encoding zu überführen. Durch die Verbindung von latenter Diffusion mit dem DWT‑Raum entsteht ein robustes Synthese‑Framework, das selbst bei begrenzten Datenmengen präzise Ergebnisse liefert.
Zur Steuerung der Synthese wird das Financial Market Attribute Protocol (FinMAP) eingesetzt. Dieses mehrstufige Beschreibungs‑System standardisiert tägliche und periodische Marktbewegungen, indem es 17 bzw. 23 ökonomische Indikatoren aus sieben bis acht Perspektiven erfasst. FinMAP ermöglicht es, die Synthese gezielt auf relevante Marktbedingungen abzustimmen und damit realistische Szenarien zu generieren.
In umfangreichen Tests wurden vier verschiedene Treasury‑Futures‑Datensätze aus dem Zeitraum 2015 bis 2025 verwendet. Die Synthese‑Aufgaben erstreckten sich von einer Woche bis zu vier Monaten. Die Ergebnisse zeigen, dass TF‑CoDiT synthetische Daten mit einer mittleren quadratischen Abweichung (MSE) von höchstens 0,433 und einer mittleren absoluten Abweichung (MAE) von 0,453 zum Original erzeugt. Diese Zahlen belegen die hohe Authentizität und die robuste Leistungsfähigkeit des Modells, was TF‑CoDiT zu einem wichtigen Werkzeug für die Analyse und Simulation von Treasury‑Futures macht.