WGAN 应用于金融时间序列生成华泰人工智能系列之三十五
创建于 更新于
摘要
本文深入研究了生成对抗网络（GAN）的一种重要变体Wasserstein GAN (WGAN)在金融时间序列生成中的应用，通过引入Wasserstein距离替代传统JS散度，有效解决了GAN训练不同步、收敛性差及模式崩溃等问题。结合上证综指日频和标普500月频收益率序列的实证分析，WGAN不仅显著提升了生成序列的真实性（如长时程相关性的Hurst指数改善明显），同时增强了多样性（基于动态时间规整DTW指标），特别是标普500月频数据上的表现更为突出，展现了WGAN在金融时序模拟领域的潜力和优势。[pidx::0][pidx::4][pidx::13][pidx::19][pidx::29]
