연구진이 금융 위험 평가를 위한 새로운 디퓨전-커플라 프레임워크를 제안했어요. 기존 모델의 '정규성 편향' 문제를 해결하고 꼬리 위험을 정확하게 예측하는 데 목표를 뒀어요.
Mixture Density Networks로 꼬리 부분의 자산 역학을 모델링하고, Classification-Diffusion Copula로 변수 간 의존성을 학습하는 방식이에요.
암호화폐 시장 데이터에 적용한 결과, 기존 모델보다 시스템적 극단 현상 예측 성능이 뛰어났으며, 시장 붕괴를 '예상되는 붕괴'로 정확히 분류했어요.