authorminglEfactor-modelgraph-learningimperial-college

S. Chehab

Role. Imperial College London 系 (与 G. Iacovides, P. Yazdanparast, D. Mandic 共同) 2026 年论文 Beyond Co-Movement: Locality by Exposures Enables a Joint Factor–Graph Framework for Portfolio Diversification 的共同作者。该论文提出 MINGLE 框架。

Key contributions

  • 与 Mandic 团队合作,设计了联合因子-图学习的统一优化目标,把因子模型与图拓扑的因果方向倒过来——用暴露剖面相似度定义边权,而不是用观测相关性。
  • 提出 "induced-covariance 低条件数 → Adaptive CutV 更常选中最优 Fiedler vector → 组合更优" 的因果链。
  • 共同作者具体贡献分割在公众号解读中没有细分子,请查原文或后续核对。

Affiliations

  • Imperial College London — 学术机构;Mandic 实验室所在的电子电气工程系 (Department of Electrical and Electronic Engineering)。

Sources