Generative Adversarial Regression (GAR): Learning Conditional Risk Scenarios
创建于 更新于
摘要
本论文提出 Generative Adversarial Regression (GAR) 框架，通过将可引导（elicitable）的风险函数作为回归目标，并在生成器与对抗性策略间建立最小-最大博弈，使生成情景在给定市场状态下保持与下游策略相关的条件风险一致性；实证（S&P500 风格资产集）显示 GAR 在 VaR/ES 联合评分和在策略迁移下的稳健性上优于无条件、传统计量模型与直接回归基线 [page::0][page::12].
