Недавно результаты представили на конференции SYRCoSE Software Engineering Colloquium. В ближайшее время статья с подробным описанием всей работы будет опубликована в журнале Труды ИСП РАН.
VAE для задачи вполне могут подойти, но это зависит от конкретного приложения. Если, например, хочется генерировать данные для обучения foundation модели, то они вряд ли помогут. При этом, при достаточном количестве исходных данных увеличить датасет таким образом кажется возможным подходом.
Да, с финансовыми рядами все всегда сложно. Если там не совсем random walk, можно что-то вроде sdgl попробовать, который будет искать и общую связь между рядами, и short-term компоненту.
Для случайных величин брался обычный виндовый рандом. И, хотя брать сид из реальных данных возможно, для задачи генерации параметров кажется более полезным работать уже с распределениями. Байесовская сеть, которая в нужный момент меняет структуру, кажется тут хорошей заменой сэмплингу на сфере.
Недавно результаты представили на конференции SYRCoSE Software Engineering Colloquium. В ближайшее время статья с подробным описанием всей работы будет опубликована в журнале Труды ИСП РАН.
VAE для задачи вполне могут подойти, но это зависит от конкретного приложения. Если, например, хочется генерировать данные для обучения foundation модели, то они вряд ли помогут. При этом, при достаточном количестве исходных данных увеличить датасет таким образом кажется возможным подходом.
Да, с финансовыми рядами все всегда сложно. Если там не совсем random walk, можно что-то вроде sdgl попробовать, который будет искать и общую связь между рядами, и short-term компоненту.
Для случайных величин брался обычный виндовый рандом. И, хотя брать сид из реальных данных возможно, для задачи генерации параметров кажется более полезным работать уже с распределениями. Байесовская сеть, которая в нужный момент меняет структуру, кажется тут хорошей заменой сэмплингу на сфере.