論文の概要: Gaussian Boson Sampling for Asset Clustering in Statistical Arbitrage Portfolios

• arxiv url: http://arxiv.org/abs/2607.19279v1
• Date: Tue, 21 Jul 2026 16:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.493796
• Title: Gaussian Boson Sampling for Asset Clustering in Statistical Arbitrage Portfolios
• Title（参考訳）: 統計的任意ポートフォリオにおけるアセットクラスタリングのためのガウスボソンサンプリング
• Abstract要約: S&P 500残差相関データをGBS互換の隣接行列にマッピングする。 従来のクラスタリングアルゴリズムを、GBS Boostと新しいGBS Rootsという2つの量子クラスタリングアルゴリズムと比較し、ロール1年の窓の上に動的に市場中立なポートフォリオを構築する。 以上の結果から, GBS由来のグラフクラスタリングが堅牢なStatArbポートフォリオの構築に有効であること, より広範な量的ファイナンスアプリケーションのための量子基盤を確立した。
• 参考スコア（独自算出の注目度）: 3.2166220273521966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gaussian Boson Sampling (GBS) provides a native photonic quantum heuristic for sampling dense subgraphs from adjacency matrices, offering a scalable physical approach to combinatorial graph search problems. Simultaneously, correlation matrix clustering algorithms, such as Spectral and SPONGE, have established robust benchmarks for identifying co-moving assets from correlation matrices in statistical arbitrage (StatArb) strategies. In this work, we map S&P 500 residual correlation data into GBS-compatible adjacency matrices. We benchmark those classical clustering algorithms against two quantum clustering algorithms, GBS Boost and our novel GBS Roots, to construct dynamic, market-neutral portfolios over a rolling one-year window. Simulations across distinct macroeconomic regimes reveal that quantum clustering generates superior alpha within large stock universes during periods of high volatility, effectively isolating structural market idiosyncrasies. Crucially, this economic advantage persists under simulated low-loss conditions and extends into high-loss regimes via the application of coherent displacement to compensate for photon loss. Our findings underscore the efficacy of GBS-derived graph clustering in constructing robust StatArb portfolios, establishing a quantum foundation for broader quantitative finance applications.
• Abstract（参考訳）: ガウスボソンサンプリング(GBS)は、隣接行列から密度の高い部分グラフをサンプリングするためのネイティブフォトニック量子ヒューリスティックを提供し、組合せグラフ探索問題に対するスケーラブルな物理的アプローチを提供する。 同時に、SpectralやSPONGEのような相関行列クラスタリングアルゴリズムは、統計的仲裁(StatArb)戦略において相関行列からコムーブメント資産を特定するための堅牢なベンチマークを確立している。 本研究では,S&P 500残差相関データをGBS互換の隣接行列にマッピングする。 従来のクラスタリングアルゴリズムを、GBS Boostと新しいGBS Rootsという2つの量子クラスタリングアルゴリズムと比較し、ロール1年の窓の上に動的に市場中立なポートフォリオを構築する。 異なるマクロ経済体制のシミュレーションにより、量子クラスタリングは高ボラティリティの期間に大きなストック宇宙内で優れたアルファを発生し、構造的市場の慣用性を効果的に分離することが明らかとなった。 この経済的優位性は、シミュレーションされた低損失条件下で持続し、光子損失を補うためにコヒーレント変位を適用して、高損失状態に拡張する。 以上の結果から, GBS由来のグラフクラスタリングが堅牢なStatArbポートフォリオの構築に有効であること, より広範な量的ファイナンスアプリケーションのための量子基盤を確立した。

関連論文リスト

• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• Scalable Quantum Walk-Based Heuristics for the Minimum Vertex Cover Problem [0.0]
  連続時間量子ウォーク(CTQW)に基づく最小頂点被覆(MVC)問題に対する新しい量子アルゴリズムを提案する。 この枠組みでは、グラフ上の量子ウォーカーのコヒーレントな伝播は、その構造特性を状態振幅に符号化する。 我々は,CTQWに基づくアルゴリズムが優れた近似比を一貫して達成し,ネットワークトポロジに関して顕著な堅牢性を示すことを示す。
  論文  参考訳（メタデータ） (2025-12-02T17:04:57Z)
• Optimal Graph Clustering without Edge Density Signals [11.198418635553976]
  本稿では,Popularity-Adjusted Block Model(PABM)に基づくグラフクラスタリングの理論的限界を確立する。 本研究の主な貢献は,PABMによるクラスタリングにおける最適誤差率の評価である。 合成データセットと実データセットの両方に関する数値実験により、$k2$固有ベクトルを組み込んだスペクトルクラスタリングアルゴリズムが従来のスペクトルアプローチより優れていることを確認した。
  論文  参考訳（メタデータ） (2025-10-24T17:24:26Z)
• Towards Quantum Enhanced Adversarial Robustness with Rydberg Reservoir Learning [45.92935470813908]
  量子コンピューティング貯水池(QRC)は、量子多体系に固有の高次元非線形力学を利用する。 近年の研究では、変動回路に基づく摂動量子は逆数の影響を受けやすいことが示されている。 QR学習モデルにおける対向的堅牢性の最初の体系的評価について検討する。
  論文  参考訳（メタデータ） (2025-10-15T12:17:23Z)
• Graph-based Clustering Revisited: A Relaxation of Kernel $k$-Means Perspective [73.18641268511318]
  本稿では,クラスタリング結果を導出するための正規制約のみを緩和するグラフベースのクラスタリングアルゴリズムを提案する。 二重制約を勾配に変換するために、非負の制約をクラス確率パラメータに変換する。
  論文  参考訳（メタデータ） (2025-09-23T09:14:39Z)
• Toward Quantum Utility in Finance: A Robust Data-Driven Algorithm for Asset Clustering [5.523385345486361]
  返却相関に基づく金融資産のクラスタリングは、ポートフォリオ最適化と統計的仲裁の基本的な課題である。 本研究では,グラフに基づく結合構造生成アルゴリズム(GCS-Q)を用いて,署名付き重み付きグラフを直接クラスタ化する。 我々は、最先端の古典的アルゴリズムに対してベンチマークを行い、合成データと実世界の財務データの両方にアプローチを検証した。
  論文  参考訳（メタデータ） (2025-09-09T13:59:59Z)
• Quantum-Assisted Correlation Clustering [3.8448698053186843]
  この研究は、グラフベースの教師なし学習タスクである相関クラスタリングのためのハイブリッド量子古典的手法を導入する。 我々は、もともと連立構造生成のために設計された量子支援型解法GCS-Qを適用し、署名付きグラフにおけるクラスタ内合意を最大化する。 合成符号グラフと実世界のハイパースペクトル画像データに関する実証的な評価は、相関クラスタリングに適応すると、GCS-Qはロバスト性およびクラスタリング品質において古典的アルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-03T12:14:35Z)
• Boost clustering with Gaussian Boson Sampling: a full quantum approach [0.09437521840642138]
  ガウスボソンサンプリング(GBS)に基づく新しいクラスタリング手法を提案する。 2つの有名な古典的クラスタリングアルゴリズムを用いて、我々のアプローチをベンチマークする。 その結果,提案手法は,選択した3つの指標のうち2つにおいて,従来の2つのアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-25T09:05:24Z)
• NAG-GS: Semi-Implicit, Accelerated and Robust Stochastic Optimizer [45.47667026025716]
  2つの重要な要素に依存した、新しく、堅牢で、加速された反復を提案する。 NAG-GSと呼ばれる手法の収束と安定性は、まず広範に研究されている。 我々は、NAG-arityが、重量減衰を伴う運動量SGDや機械学習モデルのトレーニングのためのAdamWといった最先端の手法と競合していることを示す。
  論文  参考訳（メタデータ） (2022-09-29T16:54:53Z)
• Lattice-Based Methods Surpass Sum-of-Squares in Clustering [98.46302040220395]
  クラスタリングは教師なし学習における基本的なプリミティブである。 最近の研究は、低次手法のクラスに対する低い境界を確立している。 意外なことに、この特定のクラスタリングモデルのtextitdoesは、統計的-計算的ギャップを示さない。
  論文  参考訳（メタデータ） (2021-12-07T18:50:17Z)
• A unified framework for spectral clustering in sparse graphs [47.82639003096941]
  正規化ラプラシア行列の便利なパラメータ化形式はスパースネットワークにおけるスペクトルクラスタリングに利用できることを示す。 また、この提案された行列と、現在一般的な非バックトラック行列であるベーテ・ヘッセン行列との間の重要な関係を示す。
  論文  参考訳（メタデータ） (2020-03-20T10:58:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。