Jun, 2020

生成逼真的股市委托流

PDF
TL;DR使用生成对抗网络，提出一种生成逼真高保真的股票市场数据的方法，通过使用条件 Wasserstein GAN 来捕捉订单历史依赖性，生成器设计包括近似市场拍卖机制的组件以及运用订单簿构建增强订单历史的生成任务，提供学习生成器分布的数学特征，并提出统计方法来衡量生成订单的质量，结果显示其生成数据与真实数据相似。
generative adversarial networksconditional wasserstein ganstock market dataorder historygenerator design
发现论文，激发创造
  • 基于生成对抗模型的订单流量的日内价格模拟

    使用序列生成对抗网络框架模拟订单流，以生成随机序列来模拟股价波动，通过比较模拟出的股价波动与实际股价波动的经验规律，结果表明生成模型更能够复制真实股价波动的统计行为。

    Sep, 2021

  • 适用于限价订单簿环境的条件生成器：可解释性、挑战和稳健性

    本文研究了使用条件生成模型进行订单薄模拟的方法，通过使用对抗攻击探索了其对输入特征的依赖性，从而揭示了其优点和缺点，并展示了如何使用这些见解来改进 CGAN 模型的现实性和鲁棒性。

    Jun, 2023

  • Quant GANs: 金融时间序列的深度生成

    使用数据驱动的 Quant GANs 模型结合具有长期依赖性的时间卷积网络 (TCNs) 成功地捕捉金融时间序列中的波动集群、杠杆效应和序列自相关性，并在小、大滞后的分布性质方面表现出色。

    Jul, 2019

  • 使用 Wasserstein 生成对抗网络设计蒙特卡罗模拟

    该论文介绍了一种新的方法使用生成对抗网络生成接近真实经济数据的人工数据，而且可以限制研究者的操作，以评估某种统计方法在特定数据集上的性能，从而提高研究的可靠性。

    Sep, 2019

  • eCommerceGAN : 一种用于电子商务的生成对抗网络

    本文提出了一种基于对抗生成网络的电子商务订单生成方法，通过训练生成器可以产生各种可能的订单，并使用定量和定性方法评估其有效性和适用性。

    Jan, 2018

  • 市场 - GAN：通过语义上下文为金融市场数据生成添加控制

    金融模拟器在提高预测准确性、管理风险和促进战略金融决策方面发挥着重要作用，并且该研究提出了一种新的架构 Market-GAN，通过结合生成对抗网络（GAN）、自编码器和监督学习，实现了可控的金融数据生成，与其他四种最先进的时间序列生成模型相比，表现出优越的性能。

    Sep, 2023

  • 通过条件生成式对抗网络进行时间序列模拟

    本文提出了使用条件生成对抗网络（CGAN）学习和模拟时间序列数据的方法，探讨 GAN 和神经网络与现有统计方法之间的联系，最终展示了 CGAN 在市场风险分析中的应用，包括历史数据的学习、风险预测分析以及价值风险和预期缺失计算等方面，并通过回测结果证明其优于历史模拟法。

    Apr, 2019

  • 使用切片瓦瑟斯坦距离进行生成建模

    本篇论文提出了一种基于随机投影的生成模型，该模型较传统的 GAN 模型更加稳定和精确，采用的 Wasserstein 距离作为度量计算生成样本的真实性，可以得到更准确的生成结果。

    Mar, 2018

  • 基于 GAN 方法的鲁棒效用优化

    本文提出了一种生成对抗网络方法，用于在普遍和现实环境中近似解决鲁棒效用优化问题，该方法适用于任何连续效用函数，能够在存在交易成本的实际市场环境中使用可观测市场信息进行训练，并表现出与最优参考策略相当的性能，并且对于没有已知最优策略的情况下，该方法优于所有其他参考策略。此外，该文还揭示了在具有交易成本的情况下，学习最优（非）鲁棒投资的生成方法能够生成可以广泛应用于理想化环境的渐近策略的替代选择。

    Mar, 2024

  • 用于数据稀缺光谱应用的生成对抗网络

    本文介绍了生成对抗网络在合成光谱数据方面的应用，提出了改进的 Wasserstein GANs 来避免模型崩溃，并证明了利用 CWGAN 数据增强可充分提高性能，同时显示 CWGAN 在低数据量条件下可作为简单 FFNN 的代理模型。

    Jul, 2023