Multimodal latent diffusion

AI模型生成合成金融数据以进行罕见事件分析

研究人员开发了一种新颖的方法，利用多模态潜在扩散模型来增强罕见金融事件数据。该方法将结构化市场变量、空间图像变换和投资组合回报结合到联合潜在分布中。通过在条件在险价值（CVaR）上对扩散模型进行条件化，系统生成合成样本，从而改善稀缺、不平衡金融数据的表示和分类。使用这些合成样本训练的XGBoost分类器取得了高AUC分数，证明了多模态潜在生成在金融风险建模中的有效性。