Applications of synthetic financial data in portfolio and risk modeling
创建于 更新于
摘要
本文评估 TimeGAN 与 VAE 生成的合成 S&P 500 日收益时序在统计保真性、时间结构与下游任务（组合优化、风险估计、回测）中的实用性，结果显示 TimeGAN 在分布与波动簇集、自相关结构上与真实数据最为接近，基于合成数据构建的均值-方差组合在权重、Sharpe 和风险水平上与真实数据保持高度一致，而 VAE 虽训练更稳定但倾向于平滑极端波动，影响尾部风险估计 [page::0][page::11]
