WGAN应用于金融时间序列生成：华泰人工智能系列之三十五，优于原始GAN

本报告探讨WGAN在金融时间序列生成中的应用，发现WGAN在生成数据的真实性和多样性上均优于原始GAN。Wasserstein距离克服了JS散度的梯度消失和模式崩溃问题，使训练更稳定。实证表明，WGAN能复现真实序列的长时程相关等特性，而GAN无法做到。适合量化投资和AI研究者参考。

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。

适合金融研究员、量化分析师、AI研究者等读者参考。

重点分析了金融投资、WGAN、GAN、原始等议题。