Минимизация риска: как выбрать активы в долгосрочном портфеле
![Минимально-дисперсионный портфель, сформированный с учетом как длинных, так и коротких позиций, демонстрирует концентрацию инвестиций в 195 активах с наименьшим значением бета (включая 34 актива с отрицательным бета), в то время как портфель, основанный исключительно на длинных позициях, распределяет вес между 3299 активами (66% от общего числа) и требует учета модели однофакторного риска с нормальным распределением бета [latex]\mathcal{N}(1,\,0.4^{2})[/latex] и фиксированным значением дисперсии [latex]\sigma^{2}=1[/latex] для каждого актива.](https://arxiv.org/html/2604.09986v1/Images/weights_vs_beta.png)
Новое исследование предлагает четкое решение для определения оптимального набора активов в долгосрочном портфеле с минимальным риском, работающем в условиях однофакторной модели рынка.
![Минимально-дисперсионный портфель, сформированный с учетом как длинных, так и коротких позиций, демонстрирует концентрацию инвестиций в 195 активах с наименьшим значением бета (включая 34 актива с отрицательным бета), в то время как портфель, основанный исключительно на длинных позициях, распределяет вес между 3299 активами (66% от общего числа) и требует учета модели однофакторного риска с нормальным распределением бета [latex]\mathcal{N}(1,\,0.4^{2})[/latex] и фиксированным значением дисперсии [latex]\sigma^{2}=1[/latex] для каждого актива.](https://arxiv.org/html/2604.09986v1/Images/weights_vs_beta.png)
Новое исследование предлагает четкое решение для определения оптимального набора активов в долгосрочном портфеле с минимальным риском, работающем в условиях однофакторной модели рынка.

В статье представлен масштабируемый метод, позволяющий повысить прибыльность цепочек поставок за счет балансировки уровней запасов и требований к уровню обслуживания.
Новый подход к управлению дозировкой и контролю качества в аддитивном производстве, основанный на томографической визуализации.
![В условиях бикритериальной оптимизации, предлагаемый метод демонстрирует превосходную сходимость к оптимальному множеству Парето, приближая решение к фронту Парето точкой, превосходящей по качеству любую отдельную точку, полученную существующими методами, стремящимися к поиску всего фронта, что, в свою очередь, способствует повышению значения гиперобъема [latex]HV[/latex] (Zitzler и Thiele, 1999).](https://arxiv.org/html/2604.09417v1/x1.png)
Новое исследование предлагает переосмыслить подход к многокритериальной оптимизации, фокусируясь на поиске одного высококачественного решения вместо аппроксимации всей Парето-оптимальной области.
Новое исследование раскрывает глубокую взаимосвязь между алгоритмами оптимального управления и современными методами генеративного моделирования, такими как diffusion models.