Generation of synthetic financial time series by diffusion models
创建于 更新于
摘要
本报告提出了一种基于波形变换与去噪扩散概率模型（DDPM）的合成金融时间序列生成方法。该方法将多维时间序列转换为彩色图像，利用DDPM优秀的图像生成能力，能够同时生成价格、买卖价差和交易量三类相关时间序列。实验结果表明，该方法有效复现了金融时间序列的典型特征（刻板事实），如厚尾分布、波动率聚类、自相关性缓慢衰减、日内季节性及时间序列间的交叉相关结构，明显优于传统的GAN和VAE模型[page::0][page::1][page::4][page::6][page::7][page::10]。
