GENERATIVE MODEL FOR FINANCIAL TIME SERIES TRAINED WITH MMD USING A SIGNATURE KERNEL
创建于 更新于
摘要
本报告提出基于最大均值差异（MMD）与签名核的生成模型，通过利用签名变换捕捉金融时间序列的复杂依赖与时序结构，结合移动平均模型生成结构化噪声，有效重现波动聚集等金融序列表征。模型在标普500指数数据实验中优于GAN类方法，且生成的合成数据成功用于训练强化学习投资组合管理代理，并创新提出通过调整噪声输入增强模型对不同市场环境的鲁棒性的方法。[page::0][page::5][page::12][page::22][page::24]
