Predicting Liquidity-Aware Bond Yields using Causal GANs and Deep Reinforcement Learning with LLM Evaluation
创建于 更新于
摘要
本文提出了结合因果生成对抗网络（Causal GANs）与软演员评论家（Soft Actor-Critic, SAC）强化学习的混合方法，生成涵盖AAA、BAA、美国10年债券和垃圾债的高保真合成债券收益率数据，并整合12个关键宏观经济变量。基于这些数据，利用微调的大型语言模型Qwen2.5-7B进行买卖信号、风险评估和波动率预测。多维度评估结果表明，方法在平均绝对误差（MAE低至0.103）和收益率（最高60%盈利率）等方面均优于基线，且强化学习模块显著提升合成数据质量与预测性能[page::0][page::1][page::4][page::6][page::7]。
