SBBTS: A Unified Schrödinger–Bass Framework for Synthetic Financial Time Series
创建于 更新于
摘要
提出了 SBBTS（一种将 Schrödinger Bridge 与 Bass martingale 结合的时间序列生成框架），通过将多步联合边际分解为一系列条件最优输运问题，实现对漂移与波动率的联合标定；在 Heston 合成实验中能恢复“vol-of-vol”和相关性等扩散参数，且在 S&P500 的数据增强任务中，使用 SBBTS 合成数据训练下游模型显著提升了 ROC-AUC 与 Sharpe 比率，优于仅用真实数据或噪声增强的基线 [page::0][page::8][page::11][page::12].
