* 本报告来自网络,如有侵权请联系删除
华泰人工智能系列之三十六:相对生成对抗网络RGAN实证
收藏
纠错
价格免费
数据简介
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生成上证综指日频和标普500月频收益率序列,结果表明GAN无法复现出真实序列的长时程相关等特性,GAN则有显著改善。
报告预览
*本报告来自网络,如有侵权请联系删除