fintabular_generation

고려대학교 금융공학 전공 이예진의 석사 학위 논문 코드입니다.

1. 데이터 및 모델 설명

본 프로젝트에서 사용하는 데이터와 학습된 모델 가중치는 아래 링크에서 다운로드할 수 있습니다.

• 데이터 링크

• 모델 weight 및 부가 파일 링크

위 파일들을 다운로드한 뒤, 각 실행 예시에서 요구하는 경로(--data_path, --metadata, --weight_path, --condition_csv)로 지정하여 사용하면 됩니다.

모델 출처

본 레포지토리에서 사용한 생성 모델들은 아래 공개 구현을 기반으로 합니다.

• FinDiff

  • Official repository: https://github.com/sattarov/FinDiff
  • 금융 테이블 데이터 생성을 위한 diffusion 기반 모델로, 본 프로젝트 목적에 맞게 재구성하여 사용하였습니다.

• CTGAN / TVAE

  • Official repository: https://github.com/sdv-dev/CTGAN
  • SDV(Synthetic Data Vault) 프로젝트에서 제공하는 GAN/VAE 기반 테이블 데이터 생성 모델로,
    본 프로젝트에서는 학습 및 추론 스크립트를 일부 수정하여 사용하였습니다.

---

2. FinDiff 모델 실행 방법

• findiff/ 디렉토리 내의 main.py를 통해 실행합니다.
• --mode 옵션으로 학습(train) 또는 추론(infer) 을 선택합니다.

학습 (Train)

python main.py \
  --mode train \
  --data_path /path/to/data.csv

추론 (Infer)

python main.py \
  --mode infer \
  --data_path /path/to/data.csv \
  --weight_path /path/to/model.pt

---

3. CTGAN 모델 실행 방법

• ctgan_runner/ 디렉토리 내의 main_ctgan.py를 통해 실행합니다.
• --mode 옵션으로 학습(train) 또는 추론(infer) 을 선택합니다.
• 학습에 사용하는 metadata.json과 추론에 사용하는 label.csv는 모델 weight 링크에 함께 포함되어 있습니다.
  • metadata.json : 컬럼 타입/범주형 or 연속형 컬럼 정보를 담은 메타데이터
  • label.csv : eval 데이터의 조건 컬럼 분포(예: LifeStage 분포)에 맞춰 샘플링하기 위한 라벨 파일

학습 (Train)

python main_ctgan.py \
  --mode train \
  --data_path /path/to/data.csv \
  --metadata /path/to/metadata.json

추론 (Infer)

python main_ctgan.py \
--mode infer \
--weight_path /path/to/model.pt \
--condition_csv /path/to/label.csv 

---

4. TVAE 모델 실행 방법

• ctgan_runner/ 디렉토리 내의 main_tvae.py를 통해 실행합니다.
• --mode 옵션으로 학습(train) 또는 추론(infer) 을 선택합니다.
• 학습에 사용하는 metadata.json 파일은 모델 weight 링크에 함께 포함되어 있습니다.
  • metadata.json : 컬럼 타입/범주형 or 연속형 컬럼 정보를 담은 메타데이터

학습 (Train)

python main_tvae.py \
  --mode train \
  --data_path /path/to/data.csv \
  --metadata /path/to/metadata.json

추론 (Infer)

python main_tvae.py \
--mode infer \
--weight_path /path/to/model.pt \