你以为篮子里装了很多种资产，风险就分散了；可一到市场承压，它们可能突然一起下跌。问题在于，相关性只告诉我们资产过去是否经常同涨同跌，既不说明影响从哪里来，也可能随市场状态改变。两项组合研究因此把视线从一张静态的相关系数表，转向资产之间的网络结构。
Raphaël Dando 等人把传统资产、另类投资和对冲策略放进同一投资范围，用层次聚类——把行为相近的资产归组——以及最小生成树——用最少连线保留最重要的关系——画出潜在的集中敞口。作者还认为，图方法在扣除更广泛的市场影响后，可以帮助区分直接联系，并找出居于网络中心的风险暴露；其中，谱聚类，即依据网络整体连接方式分组，尤其能为组合构建和风险监测提供信息。
Alexander Denev 则主张用 Bayesian network 和概率图模型，把市场状态、经济驱动因素与冲击传导渠道明确画出来，用于压力测试和组合稳健性评估。它们的价值不是保证预测下一场危机，而是追问“风险经由谁传过来”。需要保留一点：Bayesian network 的箭头能表达依赖顺序，但仅凭观察数据通常不能自动证明因果；两篇摘要也未披露具体样本与效果数字。