人工智能 44： 深度卷积 GAN 实证
创建于 更新于
摘要
本文针对多资产金融时间序列生成任务，提出将深度卷积生成对抗网络（DCGAN）与Wasserstein GAN（WGAN）结合形成的W-DCGAN模型，充分利用DCGAN的全卷积网络结构和WGAN的损失函数改进生成性能。通过对标普500、上证综指和欧洲斯托克50的实证测试，采用9项单资产指标及5项多资产指标综合评价，结果表明，DCGAN模型生成效果不佳，而W-DCGAN模型有效复现多项真实序列的典型化统计特征，且整体生成质量略优于WGAN，体现了W-DCGAN在多资产序列生成中的潜力和优势，为多资产金融时间序列仿真提供了先进方法途径[page::0][page::4][page::15][page::19][page::26]。
