相对生成对抗网络RGAN实证：金融时间序列生成新突破
华泰证券研究显示，相对生成对抗网络(RGAN)引入相对损失函数，显著提升训练稳定性，在金融时间序列生成中优于原始GAN。RaGAN进一步降低梯度随机性，为量化投资提供更逼真的模拟数据。
报告摘要
华泰证券研究显示，相对生成对抗网络(RGAN)引入相对损失函数，显著提升训练稳定性，在金融时间序列生成中优于原始GAN。RaGAN进一步降低梯度随机性，为量化投资提供更逼真的模拟数据。
核心要点
- RGAN原理
- RaGAN改进
- 实证分析
- 结论
报告信息
- 文件全名
- 《华泰人工智能系列之三十六：相对生成对抗网络RGAN实证-华泰证券》
- 适合读者
- 数据来源
- 多方数据交叉验证
- 核心议题
常见问题
《相对生成对抗网络RGAN实证：金融时间序列生成新突破》主要包含哪些内容?
华泰证券研究显示，相对生成对抗网络(RGAN)引入相对损失函数，显著提升训练稳定性，在金融时间序列生成中优于原始GAN。RaGAN进一步降低梯度随机性，为量化投资提供更逼真的模拟数据。
这份报告由哪家机构发布?
本报告由华泰证券发布,发布于 2020 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2020 年,全文约 38。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合量化研究员、金融工程师、AI研究者等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、RGAN、抗网络、生成等议题。
继续阅读
查看全部 →