基于符号网络模型的组合优化
密码学与安全
2025-10-08 v1 编程语言
摘要
本文考虑由原始或去噪相关矩阵导出的加权符号网络表示的金融市场，探讨如何利用负向边来降低组合风险。我们提出一种离散优化方案，将资产选择问题化简为所需规模，基于资产收益构建符号网络的时间序列。为对标我们的做法，考虑两种标准的配置策略：马科维茨的均值-方差优化和 1/N 等权组合。两种方法均在缩减后的宇宙和完整宇宙上应用，使用两个数据集：(i) Market Champions 数据集，包含 2020-2024 年期间 21 个主要 S&P500 公司；(ii) 由 199 个资产组成的数据集，包含所有可获得且与 Google 数据对齐的 S&P500 成分股。实证结果表明，通过我们的符号网络选择构建的组合在大多数情况下表现与经典马科维茨模型和等权基准相当。
引用
@article{arxiv.2510.05376,
title = {Constraint-Level Design of zkEVMs: Architectures, Trade-offs, and Evolution},
author = {Yahya Hassanzadeh-Nazarabadi and Sanaz Taheri-Boshrooyeh},
journal= {arXiv preprint arXiv:2510.05376},
year = {2025}
}