[論文レビュー] Spectral Portfolio Theory: From SGD Weight Matrices to Wealth Dynamics

A. G. Frøseth|arXiv (Cornell University)|Mar 9, 2026

Stochastic Gradient Optimization Techniques被引用数 0

ひとこと要約

この論文は、確率過程で訓練されたニューラルネットワークの重み行列とポートフォリオの割当を直接同定し、それらのスペクトル構造が因子分解と富のダイナミクスを短期・長期の regime にわたって符号化することを示す。スペクトル不変性定理を導入し、スペクトル分析を通じて断層内の富モデル、ポートフォリオ間の動態、スカラーFokker–Planckフレームワークを統一する。

ABSTRACT

We develop spectral portfolio theory by establishing a direct identification: neural network weight matrices trained on stochastic processes are portfolio allocation matrices, and their spectral structure encodes factor decompositions and wealth concentration patterns. The three forces governing stochastic gradient descent (SGD) -- gradient signal, dimensional regularisation, and eigenvalue repulsion -- translate directly into portfolio dynamics: smart money, survival constraint, and endogenous diversification. The spectral properties of SGD weight matrices transition from Marchenko-Pastur statistics (additive regime, short horizon) to inverse-Wishart via the free log-normal (multiplicative regime, long horizon), mirroring the transition from daily returns to long-run wealth compounding. We unify the cross-sectional wealth dynamics of Bouchaud and Mezard (2000), the within-portfolio dynamics of Olsen et al. (2025), and the scalar Fokker-Planck framework via a common spectral foundation. A central result is the Spectral Invariance Theorem: any isotropic perturbation to the portfolio objective preserves the singular-value distribution up to scale and shift, while anisotropic perturbations produce spectral distortion proportional to their cross-asset variance. We develop applications to portfolio design, wealth inequality measurement, tax policy, and neural network diagnostics. In the tax context, the invariance result recovers and generalises the neutrality conditions of Frøseth (2026).

研究の動機と目的

• 確率過程で訓練されたとき、ニューラルネットワークの重み行列をポートフォリオ割り当て行列として同定する動機づけと形式化。
• 重み行列の定常スペクトル分布と、それにより生じるコア–サテライト型ポートフォリオ構造を特徴づける。
• スペクトルダイナミクスの加法的・乗法的 regimes の説明と、それらが短期・長期の富過程とどう関係するか。
• スペクトル分解を介して Bouchaud–Mézard 富ダイナミクス、Olsen らのポートフォリオ内ダイナミクス、スカラー Fokker–Planck フレームワークを統一する。
• ポートフォリオ設計、富の不平等測定、税政策、ニューラルネット診断への応用を開発する。

提案手法

• 重み行列 W を状態を行、資産を列とするポートフォリオ割り当て行列としてモデル化。
• 特異値分解 W = U Σ V^T を適用して固有ポートフォリオと因子構造を得る。
• SGD による特異値の三つの力学 dσ_k を勾配信号、生存制約、固有値反発として用い、これをスマートマネー、サバイアル制約、内生的多様化として解釈。
• 定常スペクトル分布 p(σ) ∝ σ^{m−n+1} exp(−(β1/4ηD) σ^2) を導出し、コア–サテライト構造を定義。
• スペクトル不変性定理を証明：等方的摂動はスペクトル形状をスケールとシフトまで保持し、異方的摂動は資産間分散に比例してスペクトルを歪める。
• 行列レベルのダイナミクスを Itô 投影により x = ||W||_F というスカラー富へ橋渡しし、放射状 Fokker–Planck フレームワークを通じてパレート尾部と結びつける。

実験結果

リサーチクエスチョン

• RQ1 確率過程で訓練されたニューラルネットワークの重み行列をポートフォリオ割り当て行列としてどのように解釈できるのか？
• RQ2 SGD 重み行列の定常スペクトル分布は何か、それはコア–サテライト型ポートフォリオ構造をどのように意味づけるのか？
• RQ3 短期の加法的 regime と長期の乗法的 regime は、重み行列のスペクトル特性および富の分布にいかに現れるのか？
• RQ4 Spectral Invariance Theorem とは何であり、等方性 vs 異方性摂動はスペクトルにどう影響するのか？
• RQ5 スペクトルフレームワークは断面富ダイナミクス、ポートフォリオ内ダイナミクス、スカラー富過程をどのように統一し、政策・診断にとって現実的な意味をもつのか？

主な発見

• 3つの SGD 力はポートフォリオ概念に対応する：勾配信号はスマートマネー、サバイアル制約は内生的保護、固有値反発は内生的多様化。
• 定常スペクトル密度はガンマ型の bulk と冪則尾部を持ち、コア–サテライト型ポートフォリオ構造を与える。
• 加法的（Marchenko–Pastur）から乗法的（inverse-Wishart） regimes へのスペクトル転換が自由対数正規分布と行列 Kesten 問題に支配される。
• Itô 投影は行列スペクトルをスカラー富過程へ結びつけ、放射状漂移と有効拡散に結びつくパレート尾部を生み出す。
• スペクトル不変性定理は等方的摂動がスペクトル形状をスケール/シフトまで保持するのに対し、異方的摂動は資産間分散に比例してスペクトルを歪める。
• 応用はポートフォリオ設計、富の不平等測定、税政策、ニューラルネット診断を含み、モデル全体で統一的なスペクトル基盤を提供する。