近日，中央财经大学金融学院张宁教授、博士研究生林黄奕（通信作者）、博士研究生聂小成合作撰写的论文《一种改进的网络几何优化方法：基于互信息的曲率方法》在《小型微型计算机系统》网络首发发表。

金融市场是典型的复杂系统，资产之间关联错综复杂，如何准确刻画资产非线性依赖关系、识别金融网络社区结构，对研判风险联动、理解市场内在聚类特征具有重要意义。现有股票网络研究多采用Pearson相关系数刻画资产联动关系，难以充分捕捉收益率之间的非线性依赖；传统社区发现算法容易受网络拓扑冗余干扰，存在社区边界识别模糊等现实问题。

论文提出一套融合互信息与多曲率投票的网络几何优化框架，并选取养老产业股票构建包含104个节点的真实金融网络开展实验，同时基于SBM合成网络、多组消融实验、参数敏感性检验完成方法验证。

论文主要得到三点研究结论：第一，相较于仅使用Pearson相关系数，互信息能够有效捕捉金融资产的非线性、非单调依赖关系，与MST骨架网络结合后社区划分效果最优。第二，正规化Ricci流边权迭代与多曲率投票手术切割存在显著协同增益，删边候选集约束、多曲率投票均可提升社区发现性能；在固定候选集与删边数量前提下，多曲率评分与边的对应关系仍具备独立的边选择价值。第三，多曲率投票策略相比单一曲率判别具备更好参数稳健性，可降低对阈值调参的依赖，在稀疏骨架网络与平面过滤网络中均表现良好。

该研究聚焦于中国金融科技研究中心2026年的重点研究方向，研究拓展了离散Ricci几何在金融复杂网络领域的应用，为金融资产网络构建、社区识别与风险结构解析提供新的技术路径，也为养老金融产业的网络结构分析提供方法支撑。

撰稿：张宁

审核：苟琴