Can GANs Learn the Stylized Facts of Financial Time Series?
创建于 更新于
摘要
本报告研究了生成对抗网络（GANs）在学习金融时间序列中典型统计特征（如随机游走、均值回复、跳跃和时间变异波动率）方面的能力。通过对五种随机过程进行模拟与多种生成器架构比较，发现GANs能捕捉大部分分布特征，但在详细特性如均值回复速度和多变量依赖关系上表现有限。不同架构（如MLP、LSTM、TCN）的性能差异显著，且多变量时间序列的相关性重现尤为困难，提示需针对金融时序设计更复杂的模型结构以提升生成质量 [page::0][page::1][page::3][page::6][page::7]。
