Искусственный интеллект на страже инвестиций: новый взгляд на секторальную оптимизацию
Исследование показывает, как генеративные модели искусственного интеллекта могут улучшить процесс формирования инвестиционных портфелей, основанных на секторальном анализе.
![При заданных параметрах, аналогичных представленным на рисунке 3, оптимальное значение полезности достигается при [latex]\lambda \approx 3.1[/latex], что указывает на существование конкретного порога для максимизации рассматриваемой функции.](https://arxiv.org/html/2512.24371v1/x5.png)

![В условиях неоднородных данных и участия клиентов, методы FLoPS и FedIter-HT демонстрируют эффективность восстановления разреженности при решении задач линейной регрессии, логистической классификации и многоклассовой классификации, причём эффективность сохраняется как при низком отношении сигнал/шум (3) и низкой корреляции ([latex]\rho_{cor}[/latex] = 0.2), так и при низком отношении сигнал/шум и высокой корреляции ([latex]\rho_{cor}[/latex] = 0.7), а также при высоком отношении сигнал/шум (20) и высокой корреляции.](https://arxiv.org/html/2512.23071v1/TDR_i.png)