साइन किए गए वित्तीय सहसंबंध नेटवर्कों के क्लस्टरिंग के लिए क्वांटम एनीलिंग

सारांश

दस्तावेज़ साइन किए गए, भारित रिटर्न-सहसंबंध ग्राफ़ के रूप में दर्शाई गई परिसंपत्तियों का क्लस्टर बनाने के लिए Graph-based Coalition Structure Generation एल्गोरिदम, GCS-Q, के उपयोग का वर्णन करता है। इसकी प्रेरणा यह है कि सामान्य क्लस्टरिंग तरीके साइन किए गए सहसंबंधों को रूपांतरित करते समय जानकारी खो सकते हैं और क्लस्टरों की संख्या पहले से चुनने की माँग कर सकते हैं। इसके बजाय GCS-Q विभाजन के चरणों को द्विघात अनबाधित बाइनरी अनुकूलन समस्याओं के रूप में प्रस्तुत करता है, जिन्हें क्वांटम एनीलिंग से खोजा जा सकता है।

लेखक सिंथेटिक और वास्तविक दुनिया के वित्तीय आँकड़ों पर तरीके का मूल्यांकन करते हैं और इसकी तुलना SPONGE तथा k-Medoids से करते हैं। वे Adjusted Rand Index और संरचनात्मक संतुलन दंड के आधार पर बेहतर क्लस्टरिंग गुणवत्ता बताते हैं, जबकि यह तरीका क्लस्टरों की संख्या गतिशील रूप से तय करता है। विवरण में डेटा-समूह की विशिष्टताएँ, संख्यात्मक नतीजे, रनटाइम तुलना या क्वांटम हार्डवेयर और कार्यान्वयन का विवरण नहीं है। बताए गए सुधार पोर्टफ़ोलियो अनुकूलन और सांख्यिकीय आर्बिट्राज के लिए इस तरीके को शोध दिशा के रूप में समर्थन देते हैं, लेकिन अपने आप यह नहीं दिखाते कि इससे ट्रेडिंग नतीजे बेहतर होते हैं या यह हर आकार के परिसंपत्ति समूह के लिए व्यावहारिक है।

मुख्य विचार

• GCS-Q साइन किए गए, भारित सहसंबंध ग्राफ़ से सीधे परिसंपत्तियों के क्लस्टर बनाता है।
• क्वांटम एनीलिंग के लिए इसके विभाजन चरणों को QUBO समस्याओं के रूप में व्यक्त किया जाता है।
• यह तरीका क्लस्टरों की संख्या गतिशील रूप से तय करता है।
• सिंथेटिक और वास्तविक दुनिया के आँकड़ों पर प्रयोगों में बताए गए क्लस्टरिंग मापों के आधार पर SPONGE और k-Medoids से बेहतर प्रदर्शन दर्ज है।
• दस्तावेज़ पोर्टफ़ोलियो रिटर्न या ट्रेडिंग प्रदर्शन पर प्रभाव स्थापित नहीं करता।

टैग

# Toward Quantum Utility in Finance: A Robust Data-Driven Algorithm for Asset Clustering


# Toward Quantum Utility in Finance: A Robust Data-Driven Algorithm for Asset Clustering









Clustering financial assets based on return correlations is a fundamental task in portfolio optimization and statistical arbitrage. However, classical clustering methods often fall short when dealing with signed correlation structures, typically requiring lossy transformations and heuristic assumptions such as a fixed number of clusters. In this work, we apply the Graph-based Coalition Structure Generation algorithm (GCS-Q) to directly cluster signed, weighted graphs without relying on such transformations. GCS-Q formulates each partitioning step as a QUBO problem, enabling it to leverage quantum annealing for efficient exploration of exponentially large solution spaces. We validate our approach on both synthetic and real-world financial data, benchmarking against state-of-the-art classical algorithms such as SPONGE and k-Medoids. Our experiments demonstrate that GCS-Q consistently achieves higher clustering quality, as measured by Adjusted Rand Index and structural balance penalties, while dynamically determining the number of clusters. These results highlight the practical utility of near-term quantum computing for graph-based unsupervised learning in financial applications.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।