論文の概要: Crisis-Resilient Portfolio Management via Graph-based Spatio-Temporal Learning

• arxiv url: http://arxiv.org/abs/2510.20868v1
• Date: Thu, 23 Oct 2025 06:23:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 09:00:15.275956
• Title: Crisis-Resilient Portfolio Management via Graph-based Spatio-Temporal Learning
• Title（参考訳）: グラフに基づく時空間学習による危機耐性ポートフォリオ管理
• Authors: Zan Li, Rui Fan,
• Abstract要約: グラフに基づく時間学習フレームワークCRISP(Crisis-Resilient Investment through S-temporal Patterns)を提案する。 固定トポロジー法とは異なり、CRISPは注意機構を通じてどの関係が重要かを発見する。 これにより、ダウンターン時の利益性を維持するアダプティブなポートフォリオアロケーションが可能になる。
• 参考スコア（独自算出の注目度）: 9.3237091894548
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Financial time series forecasting faces a fundamental challenge: predicting optimal asset allocations requires understanding regime-dependent correlation structures that transform during crisis periods. Existing graph-based spatio-temporal learning approaches rely on predetermined graph topologies--correlation thresholds, sector classifications--that fail to adapt when market dynamics shift across different crisis mechanisms: credit contagion, pandemic shocks, or inflation-driven selloffs. We present CRISP (Crisis-Resilient Investment through Spatio-temporal Patterns), a graph-based spatio-temporal learning framework that encodes spatial relationships via Graph Convolutional Networks and temporal dynamics via BiLSTM with self-attention, then learns sparse structures through multi-head Graph Attention Networks. Unlike fixed-topology methods, CRISP discovers which asset relationships matter through attention mechanisms, filtering 92.5% of connections as noise while preserving crisis-relevant dependencies for accurate regime-specific predictions. Trained on 2005--2021 data encompassing credit and pandemic crises, CRISP demonstrates robust generalization to 2022--2024 inflation-driven markets--a fundamentally different regime--by accurately forecasting regime-appropriate correlation structures. This enables adaptive portfolio allocation that maintains profitability during downturns, achieving Sharpe ratio 3.76: 707% improvement over equal-weight baselines and 94% improvement over static graph methods. Learned attention weights provide interpretable regime detection, with defensive cluster attention strengthening 49% during crises versus 31% market-wide--emergent behavior from learning to forecast rather than imposing assumptions.
• Abstract（参考訳）: 最適な資産配分を予測するには、危機期間中に変化する体制に依存した相関構造を理解する必要がある。 既存のグラフベースの時空間学習アプローチは、所定のグラフトポロジ(相関しきい値、セクター分類)に依存しており、市場ダイナミクスがさまざまな危機メカニズム、すなわち信用伝染、パンデミックショック、インフレーション駆動の売り出しに移行する際に適応できない。 本稿では,グラフ畳み込みネットワークによる空間的関係を符号化したグラフベースの時空間学習フレームワークであるCRISP(Crisis-Resilient Investment through Spatio-temporal Patterns)について述べる。 固定トポロジー法とは異なり、CRISPは注意機構を通じてどの資産関係が重要かを発見し、92.5%の接続をノイズとしてフィルタリングすると同時に、危機関連依存関係を正確な状況固有の予測のために保存する。 CRISPは、信用危機やパンデミックの危機を含む2005-2021年のデータに基づいて、2022-2024年のインフレ主導市場への堅牢な一般化を実証している。 これにより、ダウンターン時の利益性を維持するアダプティブなポートフォリオ割り当てが可能になり、シャープ比3.76:707%、静的グラフ法94%の改善を実現している。 学習された注意重みは解釈可能な体制の検出を提供し、防御クラスタの注意力は危機時に49%強化される。

関連論文リスト

• Explainable Heterogeneous Anomaly Detection in Financial Networks via Adaptive Expert Routing [9.3237091894548]
  既存の検出器は全ての異常を均一に処理し、どの機構が故障しているかを明らかにすることなくスコアを生成する。 我々は、これらに適応的なグラフ学習と、組み込みの解釈可能性を提供する専門的な専門家ネットワークを通して対処する。 我々は3.8日間のリードタイムを持つ13のメジャーイベントを92.3%検出し、30.8ppで最高のベースラインを上回った。
  論文  参考訳（メタデータ） (2025-10-20T01:30:41Z)
• Conformal Inference for Time Series over Graphs [29.748266176856973]
  我々は,グラフ時系列に適した逐次予測フレームワークを開発した。 重要な技術的革新は、グラフ構造を活用して、ノード間のペアの依存関係をキャプチャすることだ。 提案手法は, 楕円体予測セットの体積をグラフに依存しない相対的に指数関数的に縮退させる。
  論文  参考訳（メタデータ） (2025-10-13T06:32:09Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [74.56971641937771]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• A Study of Dynamic Stock Relationship Modeling and S&P500 Price Forecasting Based on Differential Graph Transformer [4.6028394466086535]
  動的関係モデリングと価格予測のための差分グラフ変換器フレームワークを提案する。 我々のDGTは連続的なグラフ構造の変化を多面的自己認識に統合する。 クローサル時間的注意は、価格シーケンスのグローバル/ローカル依存関係をキャプチャする。
  論文  参考訳（メタデータ） (2025-06-23T14:53:31Z)
• Beyond Attention: Learning Spatio-Temporal Dynamics with Emergent Interpretable Topologies [0.20482269513546453]
  グラフ注意ネットワーク(GAT)は空間的依存をモデル化するために人気があるが、事前に定義された隣接構造と動的注意スコアに依存している。 マスクされた注意を、完全に学習可能な対称なノード相互作用行列に置き換える簡易な代替手段であるInterGATを提案する。 当社のフレームワークであるInterGAT-GRUは,ベースラインGAT-GRUよりも精度が高く,SZ-Taxiデータセットでは少なくとも21%,Los-Loopデータセットでは6%向上している。
  論文  参考訳（メタデータ） (2025-06-01T01:27:32Z)
• Modeling Regime Structure and Informational Drivers of Stock Market Volatility via the Financial Chaos Index [0.0]
  本稿では、金融カオス指標による株式市場のボラティリティの構造動態について考察する。 我々は、低カオス、中間カオス、高カオスの3つの異なる市場体制を特定し、それぞれ異なるレベルのシステム的ストレスを特徴とする。 マクロ経済、金融、政策、地政学の不確実性の変化は、政権全体でのボラティリティのダイナミクスに強い予測力を示します。
  論文  参考訳（メタデータ） (2025-04-26T15:48:11Z)
• Topology-Aware Conformal Prediction for Stream Networks [54.505880918607296]
  本研究では,ネットワークトポロジと時間的ダイナミクスを共形予測フレームワークに統合した新しいフレームワークであるspatio-Temporal Adaptive Conformal Inference (textttCISTA)を提案する。 この結果から,TextttCISTAは予測効率とカバレッジのバランスを効果的に保ち,既存のストリームネットワークの共形予測手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-03-06T21:21:15Z)
• Compressed Regression over Adaptive Networks [58.79251288443156]
  分散エージェントのネットワークによって達成可能な性能を導出し,通信制約や回帰問題を解消し,適応的に解決する。 エージェントによって最適化に必要なパラメータをオンラインで学習できる最適化アロケーション戦略を考案する。
  論文  参考訳（メタデータ） (2023-04-07T13:41:08Z)
• Causally-guided Regularization of Graph Attention Improves Generalizability [69.09877209676266]
  本稿では,グラフアテンションネットワークのための汎用正規化フレームワークであるCARを紹介する。 メソッド名は、グラフ接続に対するアクティブ介入の因果効果とアテンションメカニズムを一致させる。 ソーシャル・メディア・ネットワーク規模のグラフでは、CAR誘導グラフ再構成アプローチにより、グラフの畳み込み手法のスケーラビリティとグラフの注意力の向上を両立させることができる。
  論文  参考訳（メタデータ） (2022-10-20T01:29:10Z)
• Temporal-Relational Hypergraph Tri-Attention Networks for Stock Trend Prediction [45.74513775015998]
  本稿では、エンドツーエンドの株価トレンド予測のための協調的時間関係モデリングフレームワークを提案する。 新しいハイパーグラフトリアテンションネットワーク(HGTAN)が提案され,ハイパーグラフ畳み込みネットワークが拡張された。 このようにして、HGTANは、在庫間の情報伝達におけるノード、ハイパーエッジ、ハイパーグラフの重要性を適応的に決定する。
  論文  参考訳（メタデータ） (2021-07-22T02:16:09Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。