# A Share Gan Simulation

> A股GAN模拟/对抗生成数据增强。当用户说"GAN"、"对抗生成"、"数据增强"、"生成对抗"、"合成数据"、"模拟数据"、"GAN模拟"时触发。基于 cn-stock-data 获取数据，使用GAN生成合成金融数据。支持 formal/brief 两种输出风格。

- Skill: `aifinlab/a-share-gan-simulation` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add aifinlab/a-share-gan-simulation`
- Raw SKILL.md: https://api.skillmd.com/api/skills/aifinlab/a-share-gan-simulation/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: aifinlab (https://skillmd.com/u/aifinlab)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/aifinlab/a-share-gan-simulation

---


# GAN模拟/对抗生成数据增强助手

## 数据获取

通过 cn-stock-data skill 获取数据：
- **K线数据**: 日线历史序列
- **因子数据**: 截面因子矩阵
- **市场状态**: 牛熊标签

## 分析工作流

### Step 1: GAN架构选择
- TimeGAN：时序数据专用GAN
- WGAN-GP：Wasserstein距离+梯度惩罚，训练稳定
- Conditional GAN：按市场状态条件生成
- CTGAN：表格数据专用GAN

### Step 2: 合成数据生成
- 生成目标：保持真实数据的统计特性
- 时序特性：自相关/波动率聚集/厚尾分布
- 截面特性：因子分布/因子相关性结构
- 极端场景：生成罕见的市场崩盘/暴涨数据

### Step 3: 数据质量评估
- 统计检验：均值/方差/偏度/峰度对比
- 时序检验：自相关函数/波动率聚集对比
- 可视化：真实vs合成数据的分布对比
- 下游任务：用合成数据训练的模型表现

### Step 4: 应用场景
- 数据增强：扩充训练样本，减少过拟合
- 压力测试：生成极端市场场景
- 隐私保护：用合成数据替代真实数据分享
- 策略预评估：在合成数据上快速测试策略

### Step 5: 输出报告

## 输出格式

### formal 风格（研报级）
```
# GAN数据增强报告

## 一、生成配置
| 参数 | 设置 |
|------|------|

## 二、数据质量
[统计对比、时序检验]

## 三、增强效果
[模型表现提升]

## 四、应用建议
```

### brief 风格（快速分析）
```
## GAN增强速览
- TimeGAN生成5000条合成序列
- 统计特性匹配度 92%
- 数据增强后模型IC提升 +8%
- 极端场景覆盖率提升至95%
```

参考 `references/gan-simulation-guide.md` 获取详细方法论与 A股实证研究。