authorstatisticsneural-networkcovariance-estimationrmtparis-saclay

Christian Bongiorno

大白话：巴黎萨克雷大学的统计学者，研究主线是 用随机矩阵理论清洗大维协方差 + 神经网络 + 量化投资组合。

与 quant 相关的核心工作

2026 JFDS 12, 100179（与 Manolakis、Mantegna 合著）—— End-to-end large portfolio optimization for variance minimization with neural networks through covariance cleaning。提出 RINet（Rotation-Invariant Neural covariance estimator）：约 7,400 个参数、双向 GRU 处理带符号谱，end-to-end 直接训练已实现的 GMV 方差。它是后续 BV 2026 的 RIEnet 的基础架构。
**2025 ICAIF '25***（与 Manolakis、Mantegna 合著）—— *Neural network-driven volatility drag mitigation under aggressive leverage。RINet 在杠杆组合下的扩展。
2024 J. Comput. Appl. Math. 449, 115958—— Bootstraps regularize singular correlation matrices。BV 2026 实验中 Bootstrap 估计器的来源。
2026（本文，BV 2026）—— End-to-End Neural Shrinkage of Indefinite Pairwise Correlation Matrices for Small-Cap-Inclusive Portfolios。把 RINet 推到 pairwise-complete + indefinite 场景，针对小盘股的碎片化历史。夏普 0.814，对比因子策略 0.580（美股 26 年样本外，已扣成本）。