Conditional Loss and Euler Generator for Time Series - C. Remlinger, J. Mikael & R. Elie

Nous présentons trois nouveaux modèles génératifs pour les séries temporelles reposant sur une discrétisation d'Euler d'équations différentielles stochastiques (EDS). Deux de ces méthodes reposent sur l'adaptation des réseaux adversaires génératifs (GAN) au cadre temporel. Le troisième modèle repose sur un unique réseau de neurone et minimise une distance dédiée entre les distributions de probabilité de transition à chaque pas de temps. Dans le contexte de processus d'Itô, nous fournissons des bornes théoriques sur l'erreur d'estimation des paramètres de drift et de volatilité.