深度对冲：学习模拟股票期权市场-研究论文

我们基于生成对抗网络 (GAN) 构建现实的股票期权市场模拟器。 我们考虑循环和时间卷积架构，并评估状态压缩的影响。 期权市场模拟器具有高度相关性，因为它们允许我们扩展有限的现实世界数据集，用于期权交易策略的培训和评估。 我们表明，基于网络的生成器在一系列基准指标上优于经典方法，并且对抗性训练实现了最佳性能。 我们的工作首次证明 GAN 可以成功应用于生成多元金融时间序列的任务。