Quants-GAN ==> 読後メモ
論文
GANとは
GeneratorとDiscriminatorの2モデルを定義
Generatorは、模擬しようとしているデータを生成
Discriminatorは、来たデータが、Generatorによるデータか、本物のデータか判別。
この論文の目的
Asset return(今日の終値と昨日の終値の上昇率)の生成
Asset returnの特徴
- Asset returnの分布は、正規分布よりもTailがHeavy(思ったより、稀な現象が起きやすい)
- Asset returnの分布のピークは、正規分布のピークよりも急(ボラが低いときが、ほとんど)
- Asset returnにはVolatility Clusterあり。時系列で、ボラが一定ではなく、ボラが高い時期もあれば、低い時期もある。
- Asset returnには、Leverage effectあり。Asset returnと、「Asset returnのボラ」は負の相関。ボラが高くなると、Asset Returnは現象。
- Asset returnどうしは、相関はないが、独立というわけでもない。
提案手法(Quants-GAN)
- Generatorの部分に、TCNs(Temporal Convolutional Networks)、WaveNetsを利用。
- これよにり長期の依存関係が模擬でき、並列化や定常性を保つことも可能に。
- 時系列データにCNNを適用したもの。TCNs自体の解説は、こちらの記事が詳しい。
評価
- SP500の生成を、評価対象とする
- TCNsで直接SP500を生成した場合、QuantGAN, GARCHの3手法を比較。
- TCNsを直接用いた暴いが、最も高い評価。全評価項目で、GARCHより上。
Impression
QuantGANそのものより、TCNsを直接用いた方が、評価結果が良かったのが、気になるところ。