面向时间序列数据的决策感知条件 GAN
机器学习
2023-02-07 v4 机器学习
摘要
我们引入决策感知时间序列条件生成对抗网络（DAT-CGAN）作为时间序列生成的一种方法。该框架在结构化决策相关量上采用多 Wasserstein 损失，捕捉决策相关数据的异质性，并为支持终端用户的决策过程提供新的有效性。我们通过重叠块采样方法提升样本效率，并对 DAT-CGAN 的泛化性质给出理论刻画。该框架在面向多时间步投资组合选择问题的金融时间序列上得到验证。我们展示了相较于强基线（基于 GAN 的方法），在底层数据与不同决策相关量上更好的生成质量。
引用
@article{arxiv.2009.12682,
title = {Decision-Aware Conditional GANs for Time Series Data},
author = {He Sun and Zhun Deng and Hui Chen and David C. Parkes},
journal= {arXiv preprint arXiv:2009.12682},
year = {2023}
}