Quants-GAN ==> 読後メモ

論文

arxiv.org

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

1. 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）
2. 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）
3. 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。
4. 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。
5. 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。
  • TCN (Temporal Convolutional Network) とは？ - Qiita

 

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。