authorstatisticsneural-networkcovariance-estimationrmtparis-saclay

Christian Bongiorno

Université Paris-Saclay, CentraleSupélec, Mathématiques et Informatique pour la Complexité et les Systèmes (MIcantS), Gif-sur-Yvette, France。研究主线：大维协方差估计的 RMT 清洗 + 神经网络 + 量化投资组合。与 Mantegna (mantegna-lab, Palermo)、Manolakis、Bouchaud (CFM 巴黎) 等合作。

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）：~7,400 参数、双向 GRU 处理 signed spectrum，end-to-end 训在 realized GMV variance。后续 BV 2026 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 实验的 Bootstrap estimator 起源。
  • 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，针对小盘碎片化历史。Sharpe 0.814 vs Factor 0.580 (美股 26 年 OOS, 净成本)。

See also