研究人员开发了一个名为MINGLE（Mutually-INformed Graph-Locality and Exposures）的新框架，以改善投资组合多元化。该框架通过系统性因子暴露概况重新定义图的局部性，将传统因子模型与基于图的方法相结合。MINGLE使用交替方向乘子法（ADMM）直接从市场回报中联合学习潜在因子表示及其诱导的图拓扑。与基于相关性的方法相比，使用此方法构建的投资组合在各种波动性和交易成本情景下均表现出持续的优越性。 AI
影响 为量化金融引入了一个新颖的框架，有可能通过将AI驱动的图分析与传统因子模型相结合来改进投资策略。
排序理由 详细介绍新框架和方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
