Systematic comparison of deep generative models applied to multivariate financial time series
创建于 更新于
摘要
本报告系统比较了多种深度生成模型（DGM）与传统参数模型在多变量金融时间序列生成任务中的表现。通过使用设计复杂的合成数据集，验证了RCGAN和GMMN等隐式生成模型在捕捉分布特征及相关性方面的优势，并在实证股指期权隐含波动率交易任务中展示了基于生成样本的HAR模型显著优于传统HAR模型的性能，揭示深度生成模型对风险管理与投资组合优化的潜在贡献 [page::0][page::1][page::4][page::5][page::6]
