能否利用自回归扩散模型生成市场数据？

暑期实习生 Kavish 基于四年美国股票数据，用自回归扩散构建事件级市场数据生成模型，逐事件生成时间戳、价格与事件类型。实验中 DDPM 在 7 个连续目标上有 88-95% 的值偏离均值超过 8 个标准差，flow matching 表现更稳定；全连续扩散仍难适配市场数据的离散尖峰特性。