Cartea, Cucuringu & Jin (2023) — SPONGE / SPONGEsym
大白话：这篇论文提出 SPONGE 这一族带符号图聚类算法，把股票按相关结构分成多空篮子，在标普 500 上每 3 天调仓可拿到 12.2% 的年化收益和 1.1 的夏普，但加上适度的交易成本后利润就基本消失。
作者：Álvaro Cartea（University of Oxford）、Mihai Cucuringu（University of Oxford / The Alan Turing Institute）、Qian Jin。
发表于：SSRN Electronic Journal，2023；doi:10.2139/ssrn.4560455。工作论文，题为 "Correlation matrix clustering for statistical arbitrage portfolios"。
贡献
提出 SPONGE（Signed Positive Over Negative Generalized Eigenproblem，带符号的正负广义特征值问题）这一族带符号图聚类算法，其中对称变体 SPONGEsym 是推荐的默认选择。算法见 SPONGEsym。
报告的业绩：在标普 500 上每 3 天调仓的多空篮子，交易成本前有 12.2% 的年化收益（ARC）和 1.1 的夏普。在适度的交易成本下盈利明显坍塌 —— 这个落差正是 Korniejczuk Slepaczuk 2024 Graph Clustering Stat Arb 与 Fanshawe Masih Cameron 2025 THGNN Correlation Forecasting 的出发点。
对本 wiki 的意义
这是用图把股票聚成多空篮子的标准引用 —— 之后每一篇新的统计套利论文都建立在 SPONGEsym 的分解之上，或拿它做对比。