authorminglEfactor-modelgraph-learningimperial-collegeadaptive-signal-processing

D. Mandic

大白话：伦敦帝国理工学院电子电气工程系教授，带一个长期做自适应信号处理与复杂数据分析的实验室；他 2026 年的合作论文提出 MINGLE 框架，把「因子模型」（用几个共同因子解释收益）与「资产之间的图结构」（哪些资产属于同一类）放在一起联合优化，用 ADMM（交替方向乘子法）交替求解两块子问题，让学出来的协方差矩阵条件数比样本协方差低约两个数量级。

Role. Imperial College London 电子电气工程系 (与 S. Chehab, G. Iacovides, P. Yazdanparast 共同) 2026 年论文 Beyond Co-Movement: Locality by Exposures Enables a Joint Factor–Graph Framework for Portfolio Diversification 的资深作者 (presumably last / corresponding)。该论文提出 MINGLE 框架。

主要贡献

  • 资深作者,统领 Mandic 实验室的工作。本论文是该实验室信号处理 → 金融应用的又一次延伸,延续团队在自适应信号处理、复杂数据上的经典工作。
  • 团队长期关注 complex-valued / tensor / adaptive 信号处理与机器学习的交叉,本研究把这种"用结构化约束加强模型"的方法论延伸到因子-图联合学习。

所属机构

  • Imperial College London, Department of Electrical and Electronic Engineering — Mandic 实验室所在。Mandic 教授 (full professor) 的研究组在自适应滤波、tensor 分解、real-valued / complex-valued 神经网络等方向长期活跃。

相关概念

来源