Recovering Structural Organization in Noisy Correlation Networks Using Financial Systems as a Testbed
创建于 更新于
摘要
本研究提出通过谱去噪框架将统计噪声中的相关矩阵分解为结构模态与随机模态，利用仅10-16个超MP边界的特征值就能重现完整相关矩阵的核心统计属性，并在NIFTY 200、NIFTY 500与S&P 500三个市场上验证结构网络比全矩阵和随机矩阵展现出更强且更稳定的核心-边缘分层结构。进一步基于CP结构构建投资组合，外围资产的组合在风险调整后具有持续优于基准的表现，且通过蒙特卡洛子抽样测试获得稳健性结论。该框架将谱去噪应用扩展至复杂系统的结构识别与投资决策，显示出在噪声污染的相关网络中恢复真实结构的普遍性与实用性。[page::0]
