FTSCommDetector：通过时序同步发现行为社区
社会与信息网络
2026-01-21 v3 机器学习
摘要
为何尽管相同于板块分类的巨型科技公司 AAPL 与 MSFT 在市场冲击期间会呈现不同的响应模式？这一悖论揭示了传统社区检测方法的根本局限：这些方法无法捕捉同步-非同步模式，即实体在独立运动时仍在关键时刻保持一致。为此，我们引入FTSCommDetector，实现了 Temporal Coherence Architecture (TCA) 以发现类似和不同社区。不同于处理每个时间戳独立、导致社区分配不稳定且遗漏演化关系的现有方法，本方法通过双尺度编码和静态拓扑结构加动态注意力机制保持一致性。进一步，我们建立了信息论基础，说明尺度分离如何最大化互补信息，并引入归一化时序概要 (NTP) 进行尺度无关评估。结果表明，FTSCommDetector 在四个多样化金融市场（SP100、SP500、SP1000、日经 225）上实现稳定提升，提升幅度从 3.5% 至 11.1%。该方法在 60 天至 120 天窗口大小间仅保持约 2% 的性能波动，表现出色的鲁棒性，无需针对数据集进行特定调优，为组合构建和风险管理提供了实用见解。
引用
@article{arxiv.2510.00014,
title = {FTSCommDetector: Discovering Behavioral Communities through Temporal Synchronization},
author = {Tianyang Luo and Xikun Zhang and Dongjin Song},
journal= {arXiv preprint arXiv:2510.00014},
year = {2026}
}