BEYOND VISUAL REALISM: TOWARD RELIABLE FINANCIAL TIME SERIES GENERATION
创建于 更新于
摘要
本文提出Stylized Facts Alignment GAN（SFAG），将金融时序的关键stylized facts（重尾、波动聚类、杠杆效应与跨尺度波动相关）转换为可微分结构约束并与对抗损失共同优化，从而生成在视觉上与真实市场一致且在交易回测中稳定可靠的合成序列，实验证明在上证综指2004–2024数据上SFAG在重尾与跨尺度波动一致性方面明显优于常规模型并实现稳健的动量策略回测结果 [page::0][page::3]
