用于增强金融建模的合成金融数据生成

本文通过提出一个统一的框架来评估合成金融数据的生成，解决了金融领域数据稀缺和保密性的关键问题。它使用多标准评估，包括保真度、时间结构和下游任务性能，比较了三种生成模型（ARIMA-GARCH、VAEs 和 TimeGAN）。这项研究意义重大，因为它提供了一种标准化的基准方法和选择生成模型的实用指南，这可以加速金融领域的模型开发和测试。

• •解决了金融领域的数据稀缺和保密性问题。
• •提出了一个统一的合成金融数据多标准评估框架。
• •比较了 ARIMA-GARCH、VAEs 和 TimeGAN 生成模型。
• •TimeGAN 在真实性和时间一致性之间表现出最佳平衡。
• •根据应用需求提供模型选择的实用指南。