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。