Python生成对抗神经网络GAN预测股票及LSTMs、ARIMA对比分析ETF金融时间序列可视化
本文聚焦于利用生成对抗网络(GANs)进行金融时间序列的概率预测。介绍了一种新颖的基于经济学驱动的生成器损失函数,使 GANs 更适用于分类任务并置于监督学习环境中,能给出价格回报的全条件概率分布,突破传统点估计方式,实现不确定性估计。
本文聚焦于利用生成对抗网络(GANs)进行金融时间序列的概率预测。介绍了一种新颖的基于经济学驱动的生成器损失函数,使 GANs 更适用于分类任务并置于监督学习环境中,能给出价格回报的全条件概率分布,突破传统点估计方式,实现不确定性估计。

技术干货

最新洞察

视频号
This will close in 0 seconds
一个基于拓端已发布见解回答问题的 AI 助手
本回复由 AI 生成,仅基于拓端(TECDAT)已发布的内容,请对照引用资料核实。更多资讯和服务内容请登录官网:http://tecdat.cn/ ,致信:contact@tecdat.cn,微信客服:18906812081,电话:0571-63341498。
内容由 AI 生成,仅基于拓端已发布的内容,请对照原文核实。