华泰金融工程 发布于 2020-09-22 19:53:21
林晓明 S0570516010001
SFC No. BPY421 研究员
李子钰 S0570519110003 研究员何康 S0570520080004 研究员
报告发布时间:2020年9月22日
摘要RGAN引入相对损失函数,提高训练稳定性,可应用于金融时间序列模拟本文介绍GAN的一类重要变式——相对生成对抗网络(RGAN),并将其应用于金融资产时间序列的生成,发现RGAN在生成数据的真实性上优于原始GAN。GAN的绝对判别器直接将某一类样本作为输入,判定该样本是否真实;而RGAN的相对判别器将真假样本对作为输入,以其中一个样本作为基准,计算另一个样本相对基准更加真实的程度,再给出判定结果,使得判别器更稳健,生成对抗网络训练更稳定。使用GAN和RGAN生成上证综指 (
点击阅读全文 )
→
免费下载App,立即成为ETF达人