用于金融时间序列生成的条件神经 SDE

研究者提出用于金融时间序列生成的残差锚点神经 SDE（residual-anchor Neural SDE）架构。该架构将目标分解为捕捉上下文基线的可学习条件锚点，以及由神经 SDE 建模的随机残差动态，从而减轻随机建模负担。在真实金融时间序列与利率情景评测中，该模型能生成合理的条件路径，兼具竞争力的点预测精度与校准的不确定性估计。