Jun, 2023

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

PDF
TL;DR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。
发现论文，激发创造
  • 生成逼真的股市委托流

    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。

    Jun, 2020

  • 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

  • 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

  • 基于生成式人工智能的端到端限价订单簿建模：使用深度状态空间网络的消息流令牌级自回归生成模型

    开发一种生成真实订单流的生成模型是一个具有挑战性的开放性问题，该研究在金融市场参与者中有许多应用。

    Aug, 2023

  • 深入了解有条件生成模型的限制

    本文研究基于条件概率生成模型的鲁棒分类，分析探究了在检测异常输入和标签错误等方面的鲁棒性，结果显示，生成分类器很难保证对抗性扰动的检测能力，并指出基于最大似然训练目标的生成模型在构建具有鲁棒性模型时存在缺陷，致使其在 CIFAR10 数据集上的表现不佳。

    Jun, 2019

  • 学习随机过程的条件生成模型

    提出了一种学习多模态分布的框架 —— 条件量子生成对抗网络（C-qGAN），该神经网络结构严格在量子电路内，因此显示出比当前方法更有效的状态准备程序。将这一方法应用于定价亚式期权衍生品，为进一步研究其他路径依赖期权打下了基础。

    Apr, 2023

  • 鲁棒性条件生成对抗网络

    该研究介绍了一种名为 RoCGAN 的新型条件 GAN 模型，该模型在图像生成的任务中表现优异，并在面临严重噪声的情况下使生成器输出的图像更接近目标空间，实验结果表明，RoCGAN 在各种领域的表现都远优于现有的最先进的 cGAN 架构。

    May, 2018

  • 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

  • 通过条件 GAN 实现多样化和自然化的图像描述

    该研究旨在通过使用基于条件生成对抗网络（CGAN）的新框架来提高图像字幕生成的自然性和多样性，其中一个生成器可以根据图像生成描述，并使用一个评估器来评估描述与视觉内容的匹配程度。

    Mar, 2017

  • 自然语言的对抗生成

    本文探讨了使用 GAN 自学习等机制解决自然语言生成中离散输出空间问题；通过实验表明，提出的模型在中文古诗生成数据集上取得了最新的高分，可以生成自由语序和概率性上下文无关语法。此外还介绍了一个条件模型，可根据句子特征生成序列。

    May, 2017