两只资产会一起涨跌，不等于它们彼此影响的方式相同。就像上游降价可能带动下游利润，却未必反过来影响上游。这项研究想把这种不对称关系放进组合构建，补上相关系数只能描述同步程度、不能区分“谁影响谁”的一层信息。
据 SSRN，Riccardo De Blasis 等人用 Mixture Transition Distribution（MTD）构造有向加权网络。MTD 把资产下一期状态拆成多种历史转移关系的加权混合；网络里的箭头表示影响方向，权重表示影响强弱。研究再用局部同配性——衡量一个资产更常连接相似角色还是不同角色——辅助选股和分配权重。最值得注意的是，作者报告称，在 Dow Jones 30、Euro Stoxx 50 和 FTSE 100 成分股的滚动比较中，偏向连接不同影响角色的 in-out 与 out-in 结构，取得了更高的风险调整收益。这意味着分散化或许不只要找“走势不像”的资产，也可寻找在影响链条中位置不同的资产。不过，这些结果仍限于论文样本与设定；作者也指出，MTD 的计算复杂度可能妨碍它扩展到更大或更高频的网络。