authorstatisticsneural-networkcovariance-estimationparis-saclay

Lorenzo Villassero

大白话：巴黎萨克雷大学的统计学者，研究主线是 用神经网络做协方差收缩估计并直接用于量化组合构建； 与 Christian Bongiorno 合著 BV 2026 的 RIEnet——把 RINet 神经协方差收缩推到 pairwise-complete + indefinite 场景。

与量化相关的核心工作

  • 2026（BV 2026） —— End-to-End Neural Shrinkage of Indefinite Pairwise Correlation Matrices for Small-Cap-Inclusive Portfolios。把两两重叠（pairwise overlap）通过特征向量载荷的平方（squared eigenvector loadings）聚合到因子级（\tau_k），喂给 BiGRU 输出正定的逆谱（inverse spectrum）；端到端（end-to-end）训练目标为 5 日已实现 GMV 方差。实证美股 2000–2025、最多 1500 只股票，扣除净交易成本后 Sharpe 0.814，第二名 0.580（+40%），在 MCS 99.9% 显著性下是唯一保留的组合。

相关页面