딥러닝 모델의 금융 거래 적용 증가로 인해 고품질 금융 시계열 데이터의 필요성이 커짐. 본 연구는 Chiarella 모델 기반의 에이전트 기반 프레임워크와 다변량 시계열 예측에 뛰어난 성능을 보이는 TABL 모델을 결합하여 합성 데이터를 생성하는 방법을 제시함. 이 모델은 삭제된 주문 흐름을 시뮬레이션하는 새로운 방법을 통해 매칭 엔진 시뮬레이션에 결합되어, 스타일화된 사실을 이용하여 예측 모델의 생성 능력을 테스트함. 결과적으로 현실적인 가격 역학을 생성하지만, 시장 미시 구조의 일부 측면을 정확하게 재현하지 못하며, 꼬리 위험을 설명하기 위해 더욱 정교한 에이전트 행동을 모델링 프레임워크에 포함해야 함을 시사함.
