Risk Management with Feature-Enriched Generative Adversarial Networks (FE-GAN)
创建于 更新于
摘要
本文提出了一种结合经典时间序列与波动率模型的特征增强生成对抗网络(FE-GAN)，以改进金融风险指标VaR与ES的估计。通过引入历史数据及基于GBM和时间序列的多种输入序列，FE-GAN显著提升了生成模型的拟合速度和风险估计精度，尤其在Tail-GAN架构下体现更优的极端风险捕捉能力。多模型融合方法兼顾趋势与波动，增强了VaR和ES的估算性能，显示了在金融时序数据中结合统计模型与深度学习的巨大潜力[page::0][page::1][page::2][page::4][page::9][page::14].
