Long-Range Dependence in Financial Markets: Empirical Evidence and Generative Modeling Challenges

创建于 2025-09-25T08:59:45.749947+08:00 更新于 2025-09-25T09:10:09.063418+08:00

摘要

本论文系统实证研究了美国三大股票指数（标普500、道琼斯和纳斯达克）在不同频率下的长期依赖特性，采用R/S分析、DFA和ARFIMA-FIGARCH模型发现长期依赖主要出现在波动率上。同时评估了量化生成对抗网络（Quant GANs）对长期依赖的学习能力，结果显示Quant GANs在模拟重尾分布和波动性聚集方面表现良好，但难以准确复制高频数据的长期依赖，揭示了深度生成模型在金融时间序列建模中的挑战与机遇 [page::0][page::1][page::4][page::15]

速读内容

深度阅读