Reti generative per la modellazione e stima di serie temporali in ambito fintech

Dalla loro introduzione nel 2014, si ਠosservato un crescente interesse nelle applicazioni del modello di Generative Adversarial Network (GAN) in un gran numero di task di computer vision, a partire dalla generazione e recupero di immagini fino ad arrivare a problemi text-to-image. Tuttavia, ਠstato fatto relativamente poco lavoro nel campo della generazione di serie temporali con le GAN, in particolare nell'ambito di dati finanziari. In questa tesi, si propone un modello di GAN che genera serie temporali finanziarie realistiche. Il particolare scopo ਠquello di generare andamenti di prezzi azionari, per simulare un gran numero di scenari economici in condizioni reali o controllate. La novità  del modello proposto, rispetto al modello originale delle GAN, consiste nell'architettura: il generator ਠuna rete sequence-to-sequence, allenata a generare la parte finale di una serie temporale azionaria condizionatamente alla parte iniziale fornita come input. Il discriminator, invece, ਠuna rete convoluzionale, allenata per determinare se la serie univariata completa presentata in input sia reale o sia generata dal generator.