本論文では、Diffolioという新たな拡散モデルを提案し、多変量金融時系列予測およびポートフォリオ構築における確率的予測の重要性を説明しています。Diffolioは、資産レベルと市場レベルの層を持つ階層的注意アーキテクチャを備えたデノイジングネットワークを使用します。また、対象の相関行列の安定した推定値に基づく相関誘導レギュラーライザーを導入し、クロスセクショナルな相関をより反映させています。この構造により、過去のリターンだけでなく、資産特有および体系的な共変量から重要な特徴を効率的に抽出し、予測とポートフォリオの性能を大幅に向上させることができます。実験結果から、Diffolioは12の業界ポートフォリオの日次超過リターンにおいて、さまざまなベースラインに対して優れた予測精度とポートフォリオのパフォーマンスを示し、特にシャープレシオや成長最適ポートフォリオにおいて他の手法を上回る成果を上げました。これによりDiffolioが統計的な正確性と経済的意義の点で優れていることが示されました。