深度生成模型在金融时间序列数据合成中的应用研究

王泊尧 （ 杭州国海智源科技有限公司 ）

Abstract

针对金融时间序列数据合成中传统方法难以捕捉非平稳性、极端事件与复杂时序依赖的局限性，文章系 统探讨深度生成模型的技术适配性与优化路径。通过分析生成对抗网络（GAN）、变分自编码器（VAE）与扩散模型 的时序建模改进机制，揭示其在波动模式生成、分布对齐和长程相关性学习中的创新优势。研究发现，模型架构与金 融数据统计特性的动态匹配、极端值生成的概率校准机制，以及合成数据与风险管理、算法交易等下游任务的协同优 化，是提升生成质量的核心突破口。文章进一步提出多尺度评价指标体系与对抗性训练策略，为破解金融场景下的模 式坍塌问题提供理论支撑，对高保真合成数据驱动的金融科技创新具有方法论启示。

Keywords

Full Text

References