多模态潜在扩散增强稀有金融事件

Mahdi Arab Loodaricheh 等作者提交论文，提出用多模态潜在扩散模型生成稀有金融窗口的合成样本，并在美国科技股数据上测试。 方法将每个市场窗口表示为结构化变量、空间图像变换和组合收益序列三种对齐模态，分别经变分自编码器映射为潜在编码，再由类别条件扩散模型学习联合分布，并以 CVaR 定义稀有窗口引导生成。 在四个窗口长度上，作者称合成样本的保真度和支持度优于表格扩散基线，用真实与生成样本训练的 XGBoost 分类器 AUC 达 0.953-0.960。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。