Generating Realistic Financial Time Series with Signature Kernel Maximum Mean Discrepancy and Structured Noise
创建于 更新于
摘要
本文提出基于签名核最大均值差异（MMD）训练的时间序列生成模型，通过引入移动平均（MA）模型构造结构化噪声，有效捕捉金融时间序列的波动聚集等典型特征。该模型在标普500指数数据上优于现有方法，且能生成用于强化学习投资组合管理的合成数据，展示了良好应用潜力。此外，针对市场不同状态，调整噪声分布以增强模型鲁棒性，表现出适应不同市场环境的能力[page::0][page::1][page::10][page::5][page::23].
