用于生成式时间序列建模的通用随机化签名

随机化签名已被提出作为成熟的路径签名的一种灵活且易于实现的替代方案。在本文中，我们采用随机化签名，以储层计算的精神引入一个用于金融时间序列数据的生成模型。具体来说，我们基于离散时间随机化签名提出了一种新颖的Wasserstein型距离。这个概率测度空间上的度量捕捉了（条件）分布之间的距离。其使用由我们在以底层路径为输入的连续函数空间上关于随机化签名的新颖通用逼近结果所证明。然后，我们将我们的度量作为基于储层神经随机微分方程的合成时间序列数据非对抗生成器模型中的损失函数。我们将模型的结果与现有文献中的基准进行了比较。