Time-Causal VAE: 稳健的金融时间序列生成器
机器学习
2024-11-06 v1 计算金融
摘要
我们构建了一个时间因果变分自编码器（TC-VAE），用于稳健生成金融时间序列数据。我们的方法在编码器和解码器网络中施加因果约束，确保从真实市场时间序列到生成虚假时间序列的因果传输。具体而言，我们证明了TC-VAE损失为市场分布与生成分布之间的因果Wasserstein距离提供了一个上界。因此，TC-VAE损失控制了真实分布与生成分布下各种动态随机优化问题最优值之间的差异。为进一步增强模型逼近真实市场分布潜在表示的能力，我们将RealNVP先验整合到TC-VAE框架中。最后，大量数值实验表明TC-VAE在合成数据和真实市场数据上均取得了有前景的结果。这是通过根据各种统计距离比较真实分布与生成分布来完成的，证明了生成数据在下游金融优化任务中的有效性，同时也展示了生成数据能够复现真实金融市场数据的典型特征。
引用
@article{arxiv.2411.02947,
title = {Time-Causal VAE: Robust Financial Time Series Generator},
author = {Beatrice Acciaio and Stephan Eckstein and Songyan Hou},
journal= {arXiv preprint arXiv:2411.02947},
year = {2024}
}