生成对抗网络GAN初探：金融时间序列生成与量化投资应用

本报告深入解析生成对抗网络GAN的核心思想与训练机制，通过博弈论实现数据生成。实验采用GAN生成上证综指、沪深300、标普500等股指的日频与月频序列，并基于自相关性、厚尾分布、波动率聚集等6项指标与Bootstrap和GARCH模型对比，结果表明GAN生成数据质量显著更优。最后展示GAN在量化择时策略参数优化中的应用，有效检验过拟合。核心数据:1000条虚假序列;6项评价指标;3种方法对比。

本报告由华泰证券发布,发布于 2020 年。

覆盖 2020 年,全文约 36。

本报告免费查阅,登录资料宝后即可在线获取完整内容。

适合量化研究员、金融工程师、AI从业者等读者参考。

重点分析了金融投资、量化投资、GAN、抗网络等议题。