相对生成对抗网络 RGAN 实证华泰人工智能系列之三十六

创建于 2025-04-25T14:19:42.573475+08:00 更新于 2025-05-19T18:36:15.369671+08:00

摘要

本报告系统介绍了相对生成对抗网络（RGAN）理论及其在金融时间序列生成中的应用。通过将传统GAN的绝对判别器转变为相对判别器，RGAN克服了生成器无法影响真样本判定的缺陷，有效提升了训练稳定性和模拟数据的真实性。报告实证显示，RGAN及其改进算法RaGAN在上证综指日频及标普500月频收益率序列生成中，尤其在长时程相关（Hurst指数）等关键指标上明显优于原始GAN，且能更准确反映真实市场特征。

速读内容

深度阅读