通过生成对抗网络进行金融时间序列的预测和分类

文章预览

代码下载见星球， 欢迎加入QuantML星球 本文介绍了一种基于生成对抗网络（GANs）的新方法——Fin-GAN，用于金融时间序列的预测和分类。该方法旨在提供概率预测，并超越传统点估计方法。Fin-GAN通过引入一种新的经济学驱动的损失函数，将GANs置于监督学习环境中，从而在金融应用中更适合分类任务。 1. 引言 时间序列预测一直是工业界和学术界关注的热点话题。在金融和经济领域，时间序列可以代表金融工具的价格、通货膨胀率以及其他关键宏观经济指标。交易策略基于对金融工具价格未来走势的预测，因此，时间序列预测和分类在金融环境中至关重要。传统方法主要依赖于点估计，无法提供概率预测或对目标变量未来分布形式的强假设，导致无法捕捉不确定性。 本文采用ForGAN架构，将GANs与循环神经网络（RNNs）结合，以生成概率预测。进一步引 ………………………………