Towards Causal Market Simulators

创建于 2025-11-07T10:46:02.174057+08:00 更新于 2025-11-07T10:49:54.193101+08:00

摘要

本论文提出了基于变分自编码器和结构因果模型相结合的时间序列神经因果模型（TNCM-VAE），实现了因果约束下的反事实金融时间序列生成。通过引入有向无环图结构和因果Wasserstein距离，模型在合成自回归数据上实现了高精度的反事实概率估计，L1距离最低达0.03，支持金融压力测试、情景分析和风险管理等应用[page::0][page::1][page::2][page::3]。

速读内容

深度阅读