💰 quantitative finance

End-to-End PDE-Based Quantum Algorithms for Multi-Asset Option Pricing under Local and Stochastic Volatility

यह शोध पत्र स्थानीय और स्टोकेस्टिक अस्थिरता मॉडलों के तहत मल्टी-एसेट यूरोपीय विकल्पों की कीमत निर्धारित करने के लिए एक पूर्ण एंड-टू-एंड क्वांटम एल्गोरिदम प्रस्तुत करता है, जो गेट जटिलता के संदर्भ में क्लासिकल फाइनाइट-डिफरेंस विधियों पर बहुपद गति (पॉलीनोमियल स्पीडअप) प्रदर्शित करता है और साथ ही स्पष्ट संसाधन लेखांकन और संख्यात्मक बेंचमार्क प्रदान करता है।

मूल लेखक: Nikita Guseynov, Nana Liu, Chi Seng Pun, Tushar Vaidya

प्रकाशित 2026-05-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Nikita Guseynov, Nana Liu, Chi Seng Pun, Tushar Vaidya

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक शेफ हैं जो एक जटिल व्यंजन (एक "ऑप्शन") की कीमत का अनुमान लगाने की कोशिश कर रहे हैं, जो कई सामग्रियों (स्टॉक्स जैसे एसेट्स) की भविष्य की कीमतों पर निर्भर करता है। इस व्यंजन की कीमत केवल एक साधारण औसत नहीं है; यह इस बात से प्रभावित होती है कि सामग्रियां कितनी अस्थिर (उछल-कूद वाली) हैं और वे एक-दूसरे के संबंध में कैसे चलती हैं।

वित्तीय दुनिया में, इस कीमत की गणना करना एक विशाल, बहु-आयामी भूलभुलैया को हल करने जैसा है जिसे पार्शियल डिफरेंशियल इक्वेशन (PDE) कहा जाता है।

समस्या: "ग्रिड का अभिशाप" (The Curse of the Grid)

परंपरागत रूप से, इस भूलभुलैया को हल करने के लिए, कंप्यूटर एक विधि का उपयोग करते हैं जिसे फाइनाइट डिफरेंसेस (Finite Differences) कहा जाता है। कल्पना कीजिए कि आपको एक विशिष्ट पता खोजने के लिए एक 3D शहर का मानचित्र बनाना है।

शास्त्रीय दृष्टिकोण (The Classical Approach): आप ग्रिड की सड़कों का एक जाल बिछाते हैं। यदि आपके पास 1 सामग्री है, तो आपको ग्रिड बिंदुओं की एक 1D रेखा की आवश्यकता होगी। यदि आपके पास 10 सामग्रियां हैं, तो आपको 10D हाइपर-ग्रिड की आवश्यकता होगी।
बाधा (The Bottleneck): जैसे-जैसे आप अधिक सामग्रियां जोड़ते हैं, ग्रिड बिंदुओं की संख्या तेजी से बढ़ती है। यह रेत से एक कमरे को भरने जैसा है; यदि आप सामग्रियों की संख्या दोगुनी करते हैं, तो आवश्यक रेत (कंप्यूटिंग पावर) केवल दोगुनी नहीं होती—बल्कि एक बहुत बड़े कारक से गुणा हो जाती है। इसे "डायमेंशनलिटी का अभिशाप" (curse of dimensionality) कहा जाता है। कई सामग्रियों वाले जटिल व्यंजनों के लिए, क्लासिकल कंप्यूटर रेत में फंस जाते हैं।

समाधान: एक क्वांटम "जादुई लेंस" (A Quantum "Magic Lens")

यह शोध पत्र इस समस्या को हल करने के लिए क्वांटम कंप्यूटरों का उपयोग करके एक नया तरीका प्रस्तावित करता है। एक विशाल भौतिक रेत के ग्रिड के बजाय, लेखकों ने एक "एंड-टू-एंड" क्वांटम पाइपलाइन विकसित की है जो एक जादुई लेंस की तरह कार्य करती है।

यहाँ बताया गया है कि उनका सिस्टम चरण-दर-चरण कैसे काम करता है:

1. सेटअप (स्टेट प्रिपरेशन - State Preparation)
सबसे पहले, कंप्यूटर "रेसिपी" (अनुबंध के विवरण, स्ट्राइक प्राइस और मार्केट डेटा) लेता है और उसे एक क्वांटम स्टेट में एनकोड करता है। इसे एक क्वांटम ब्लेंडर में शुरुआती सामग्रियों को लोड करने के रूप la समझें। वे श्रोडिंगरज़ेशन (Schrödingerization) नामक एक चतुर तकनीक का उपयोग करते हैं ताकि मूल्य निर्धारण समीकरण की अव्यवस्थित गैर-क्वांटम गणित को एक ऐसे प्रारूप में बदला जा सके जिसे क्वांटम कंप्यूटर समझ सके (एक "यूनिटरी" इवोल्यूशन)।

2. यात्रा (क्वांटम इवोल्यूशन - Quantum Evolution)
एक-एक करके हर ग्रिड पॉइंट से गुजरने के बजाय (जैसा कि एक क्लासिकल कंप्यूटर करता है), क्वांटम कंप्यूटर एक ही बार में पूरी प्रणाली को विकसित करता है। यह तालाब में पत्थर फेंकने और लहरों को पूरी सतह पर तुरंत फैलते हुए देखने जैसा है, बजाय इसके कि पानी के स्तर को हर बिंदु पर व्यक्तिगत रूप से मापा जाए। पेपर हैमिल्टोनियन सिमुलेशन (Hamiltonian simulation) जैसी उन्नत तकनीकों का उपयोग करता है ताकि क्वांटम स्टेट भविष्य (मैच्योरिटी) से वर्तमान की ओर समय में पीछे की ओर "बह" सके।

3. खुलासा (रीडआउट - Readout)
एक बार जब क्वांटम स्टेट विकसित हो जाता है, तो कंप्यूटर को हमें कीमत बतानी होती है। चूंकि हम एक साथ पूरे क्वांटम सूप को नहीं देख सकते, इसलिए लेखक एम्प्लीट्यूड एस्टीमेशन (Amplitude Estimation) नामक तकनीक का उपयोग करते हैं। यह पूरे बर्तन के स्वाद का अनुमान लगाने के लिए सूप के एक एकल, अत्यधिक सटीक नमूने को लेने जैसा है। वे विशेष रूप से एक विशिष्ट बिंदु (वर्तमान बाजार स्थिति) पर कीमत देखते हैं।

परिणाम: एक गति वृद्धि (A Speed Boost)

लेखकों ने परीक्षण के लिए दो प्रसिद्ध वित्तीय मॉडलों का उपयोग किया:

ब्लैक-स्कोल्स (Black-Scholes): ऑप्शंस की कीमत निर्धारित करने के लिए एक मानक मॉडल।
हेस्टन (Heston): एक अधिक जटिल मॉडल जो "वोलेटिलिटी स्माइल्स" (यह तथ्य कि बाजार की अस्थिरता स्थिर नहीं है; यह कीमत के आधार पर बदलती है, जिससे मुस्कान के आकार का वक्र बनता है) को ध्यान में रखता है।

निष्कर्ष:

पॉलीनोमियल स्पीडअप (Polynomial Speedup): $d$ सामग्रियों और $N$ ग्रिड साइज वाले एक व्यंजन के लिए, क्लासिकल कंप्यूटर को $N^{d+2}$ के अनुपात में समय लगता है। क्वांटम एल्गोरिदम इसे लगभग $N^{d/2 + 2}$ (ब्लैक-स्कोल्स के लिए) या $N^{d+2}$ तक कम कर देता है, लेकिन इसमें अग्रणी पद (leading term) में बहुत छोटा घातांक होता है।
उपमा: यदि क्लासिकल कंप्यूटर को एक समुद्र तट पर रेत के प्रत्येक कण को गिनना पड़ता है, तो क्वांटम कंप्यूटर एक बहुत छोटे, प्रतिनिधि नमूने को देखकर उसके आयतन का अनुमान लगा सकता है, जिससे समुद्र तट बड़ा होने पर भी बहुत सारा समय बचता है।
वास्तविक दुनिया का सत्यापन: पेपर ने केवल कागजों पर गणित नहीं किया। उन्होंने सिमुलेशन चलाए और दिखाया कि उनकी क्वांटम विधि ने क्लासिकल तरीकों की तरह ही "वोलेटिलिटी स्माइल" (इम्प्लाइड वोलेटिलिटी का वक्र ग्राफ) को सफलतापूर्वक पुन: निर्मित किया, जो यह सिद्ध करता है कि यह वास्तविक बाजार व्यवहार को पकड़ सकती है।

महत्वपूर्ण सावधानियां (बारीक विवरण)

लेखक बहुत सावधानी से यह स्पष्ट करते हैं कि यह अभी क्या नहीं करता है:

यह हर चीज़ के लिए जादू की छड़ी नहीं है: स्पीडअप महत्वपूर्ण है, लेकिन यह "डायमेंशनलिटी के अभिशाप" को पूरी तरह से समाप्त नहीं करता है। जैसे-जैसे आप एसेट्स जोड़ते हैं, लागत अभी भी बढ़ती है, बस पहले की तुलना में बहुत धीमी गति से।
यह अभी सैद्धांतिक है: "गेट कॉम्प्लेक्सिटी" (चरणों की संख्या) एक आदर्श, त्रुटि-मुक्त क्वांटम कंप्यूटर के लिए गणना की गई है। आज के वास्तविक क्वांटम कंप्यूटर शोर वाले (noisy) और छोटे हैं।
विशिष्ट दायरा: यह विधि यूरोपीय-शैली के ऑप्शंस (जहाँ आप केवल अंत में अभ्यास कर सकते हैं) और विशिष्ट प्रकार के मल्टी-एसेट अनुबंधों के लिए सबसे अच्छा काम करती है। यह अभी तक हर संभावित विलक्षण (exotic) वित्तीय डेरिवेटिव (जैसे कि जल्दी अभ्यास करने वाली विशेषताओं वाले) को हैंडल नहीं करती है।

सारांश

सरल शब्दों में, यह पेपर जटिल वित्तीय ऑप्शंस की कीमत निर्धारित करने के लिए एक पूर्ण, सैद्धांतिक "क्वांटम असेंबली लाइन" बनाता है। यह क्लासिकल डेटा लेता है, इसे एक क्वांटम इंजन के माध्यम से चलाता है जो कई एसेट्स की भविष्य की कीमतों की हलचल का अनुकरण करता है, और कीमत आउटपुट के रूप में देता है। परिणाम एक ऐसा तरीका है जो गणितीय रूप से उच्च-आयामी समस्याओं के लिए वर्तमान क्लासिकल तरीकों की तुलना में काफी तेज़ होने के रूप में सिद्ध है, और सफलतापूर्वक "वोलेटिलिटी स्माइल" जैसे जटिल बाजार पैटर्न को पुन: उत्पन्न करता है।

समस्या विवरण
लोकल-वोलेटिलिटी (ब्लैक-स्कोल्स) और स्टोकेस्टिक-वोलेटिलिटी (हेस्टन) मॉडलों के तहत मल्टी-एसेट ऑप्शंस की प्राइसिंग स्वाभाविक रूप से उच्च-आयामी (high-dimensional) पैराबोलिक आंशिक अंतर समीकरणों (PDEs) की ओर ले जाती है। शास्त्रीय संख्यात्मक विधियाँ (classical numerical methods), जैसे कि परिमित-अंतर स्कीम्स (finite-difference schemes) या मैट्रिक्स-एक्सपोनेंशियल विधियाँ, "डायमेंशनलिटी के अभिशाप" (curse of dimensionality) से ग्रस्त होती हैं, जहाँ कम्प्यूटेशनल लागत संपत्तियों की संख्या ( $d$ ) और ग्रिड रिज़ॉल्यूशन ( $N$ ) के साथ तेजी से बढ़ती है। उदाहरण के लिए, एक ग्रिड के लिए जिसमें प्रति स्थानिक दिशा $N$ बिंदु हैं, ब्लैक-स्कोल्स के लिए शास्त्रीय ग्रिड-आधारित विधियाँ $\tilde{O}(N^{d+2})$ और हेस्टन के लिए $\tilde{O}(N^{2d+2})$ (जहाँ हेस्टन मॉडल में वेरिएंस चर शामिल होते हैं) के रूप में स्केल करती हैं। जबकि क्वांटम एल्गोरिदम को ऑप्शन प्राइसिंग के लिए प्रस्तावित किया गया है, उनमें से कई में स्टेट प्रिपरेशन, नॉर्मलाइजेशन और रीडआउट से जुड़ी चुनौतियाँ होती हैं, विशेष रूप से विशिष्ट बाउंड्री कंडीशंस वाले जटिल, उच्च-आयामी PDEs के लिए।

कार्यप्रणाली (Methodology)
लेखक एक एंड-टू-एंड क्वांटम PDE फ्रेमवर्क विकसित करते हैं जो क्लासिकल कॉन्ट्रैक्ट और मॉडल डेटा को इनपुट के रूप में लेता है और ऑप्शन वैल्यू के क्लासिकल अनुमान वापस करता है। यह वर्कफ़्लो तीन मुख्य चरणों से बना है:

विविक्तीकरण और सूत्रीकरण (Discretization and Formulation): प्राइसिंग PDEs को स्पेस में सेकंड-ऑर्डर फाईनाइट डिफरेंस का उपयोग करके विविक्त (discretize) किया जाता है, जिससे निरंतर PDE को एक स्पार्स, परिमित-आयामी साधारण अंतर समीकरणों (ODEs) की प्रणाली में बदल दिया जाता है। नॉन-होमोजेनियस बाउंड्री कंडीशंस और सोर्स टर्म्स को संभालने के लिए, एफाइन ODE सिस्टम को एक सहायक स्टेट वेरिएबल जोड़कर एक होमोजेनियस लीनियर सिस्टम में बढ़ाया जाता है।
क्वांटम इवोल्यूशन (श्रोडिंगर-इजेशन/Schrödingerisation): चूंकि परिणामी ODE सिस्टम आम तौर पर नॉन-यूनिटरी होता है (प्राइसिंग ऑपरेटर की नॉन-हर्मिटियन प्रकृति के कारण), यह फ्रेमवर्क श्रोडिंगर-इजेशन का उपयोग करता है। यह तकनीक एक सहायक निरंतर चर ( $\xi$ ) पेश करके नॉन-यूनिटरी डायनेमिक्स को एक बड़े यूनिटरी सिस्टम में एम्बेड करती है और डायनेमिक्स को श्रोडिंगर समीकरण में मैप करती है। इसके बाद सिस्टम को $\xi$ आयाम में विविक्त किया जाता है और फूरियर विधियों के माध्यम से एक हर्मिटियन हैमिल्टनियन में परिवर्तित किया जाता है।
स्टेट प्रिपरेशन और रीडआउट:
- स्टेट प्रिपरेशन: पेऑफ वेक्टर (जैसे, 'वर्स्ट-ऑफ कॉल') और श्रोडिंगर-इजेशन के लिए आवश्यक स्मूथ कट-ऑफ प्रोफाइल को कोऑर्डिनेट ऑपरेटर्स के ब्लॉक-एनकोडिंग और क्वांटम सिंगुलर वैल्यू ट्रांसफॉर्मेशन (QSVT) का उपयोग करके क्वांटम स्टेट्स के रूप में तैयार किया जाता है।
- इवोल्यूशन: विविक्त प्राइसिंग डायनेमिक्स को ब्लॉक-एनकोडिंग और अल्टरनेटिंग फेज मॉड्यूलेशन सीक्वेंस (क्वांटम सिग्नल प्रोसेसिंग) के माध्यम से हैमिल्टोनियन इवोल्यूशन का उपयोग करके सिम्युलेट किया जाता है।
- रीडआउट: चयनित ऑप्शन वैल्यूज को अंतिम क्वांटम स्टेट से रिकवर किया जाता है। क्योंकि वांछित कीमत एक एकल एम्प्लीट्यूड (amplitude) में एनकोड की गई है, फ्रेमवर्क क्वांटम एम्प्लीट्यूड एस्टीमेशन (QAE) को हैडामार्ड टेस्ट के साथ उपयोग करता है। महत्वपूर्ण रूप से, रीडआउट ओवरहेड ग्रिड वॉल्यूम के वर्गमूल ( $2^{W/2}$ ) के साथ स्केल करता है, जहाँ $W$ सिस्टम क्वबिट्स की संख्या है।

प्रमुख योगदान

एंड-टू-एंड पाइपलाइन: पेपर क्लासिकल इनपुट डेटा से क्लासिकल आउटपुट तक एक पूर्ण, स्पष्ट पाइपलाइन प्रदान करता है, जिसमें स्टेट प्रिपरेशन, हैमिल्टोनियन सिमुलेशन, नॉर्मलाइजेशन रिकवरी और रीडआउट के लिए विस्तृत रिसोर्स अकाउंटिंग शामिल है।
जटिलता विश्लेषण (Complexity Analysis): लेखक सिंगल-पॉइंट ऑप्शन प्राइस रिकवरी के लिए लीडिंग गेट कॉम्प्लेक्सिटी निकालते हैं:
- मल्टी-एसेट ब्लैक-स्कोल्स: $\tilde{O}(d^2 N^{2 + d/2})$ ।
- मल्टी-एसेट हेस्टन: $\tilde{O}(d^2 N^{d + 2})$ ।
  क्लासिकल ग्रिड-आधारित बेसलाइन्स ( $\tilde{O}(N^{d+2})$ और $\tilde{O}(N^{2d+2})$ क्रमशः) की तुलना में, क्वांटम फ्रेमवर्क $N^{d/2}$ और $N^d$ के बहुपद सुधार कारक (polynomial improvement factors) प्रदान करता है।
संख्यात्मक सत्यापन (Numerical Validation): फ्रेमवर्क का विश्लेषणात्मक समाधानों (ब्लैक-स्कोल्स), सेमी-एनालिटिकल बेंचमार्क (हेस्टन कैरेक्टरिस्टिक फंक्शन) और क्लासिकल संख्यात्मक सॉल्वर (फाइनाइट-डिफरेंस और मैट्रिक्स-एक्सपोनेंशियल) के विरुद्ध संख्यात्मक रूप से सत्यापन किया गया है।
इम्प्लाइड वोलेटिलिटी रिकवरी: हेस्टन सेटिंग में, फ्रेमवर्क विभिन्न स्ट्राइक्स के लिए ऑप्शन प्राइसेस को सफलतापूर्वक रिकवर करता है और संबंधित नॉन-फ्लैट इम्प्लाइड-वोलेटिलिटी स्माइल/स्क्यू को पुनर्गठित करता है, जो मार्केट-रेलेवेंट स्टोकेस्टिक वोलेटिलिटी फीचर्स को कैप्चर करने की इसकी क्षमता को प्रदर्शित करता है।

परिणाम

सैद्धांतिक प्रदर्शन: विश्लेषण पुष्टि करता है कि ब्लैक-स्कोल्स और हेस्टन दोनों मॉडलों के लिए ग्रिड साइज $N$ में एक बहुपद क्वांटम लाभ (polynomial quantum advantage) है। यह लाभ अधिक संपत्तियों $d$ के बढ़ने के साथ अधिक स्पष्ट हो जाता है, हालांकि $d$ पर घातीय निर्भरता (डायमेंशनलिटी का अभिशाप) कम तो होती है लेकिन समाप्त नहीं होती।
संख्यात्मक सटीकता: सिमुलेशन दिखाते हैं कि क्वांटम फ्रेमवर्क क्लासिकल और सेमी-एनालिटिकल बेंचमार्क के अनुरूप ऑप्शन प्राइसेस उत्पन्न करता है। हेस्टन केस में, रिकवर की गई इम्प्लाइड वोलेटिलिटी सतहें सही स्क्यू संरचना (जैसे, इक्विटी स्क्यू) प्रदर्शित करती हैं और 1% से कम के सापेक्ष अंतर के साथ SSVI फिट से मेल खाती हैं।
त्रुटि के स्रोत: संख्यात्मक परिणामों में प्राथमिक त्रुटियां कोर्स स्पेशियल डिस्क्रीटाइजेशन और डोमेन ट्रंकेशन के कारण हैं, न कि स्वयं क्वांटम सिमुलेशन के कारण। श्रोडिंगर-इजेशन प्रक्रिया द्वारा पेश की गई अतिरिक्त त्रुटि सबलीडिंग (subleading) पाई गई है।

महत्व और दावे
पेपर का दावा है कि यह एक क्वांटम PDE-आधारित प्राइसिंग वर्कफ़्लो का पहला प्रदर्शन प्रदान करता है जो क्वांटम-कंप्यूटेड ऑप्शन प्राइसेस से इम्प्लाइड-वोलेटिलिटी स्माइल/स्क्यू को सफलतापूर्वक रिकवर करता है। यह इस बात पर जोर देता है कि फ्रेमवर्क स्पष्ट प्रदर्शन गारंटी और एक पूर्ण रिसोर्स विश्लेषण प्रदान करता है, जो इसे वेरिएशनल या ह्यूरिस्टिक दृष्टिकोणों से अलग करता है।

लेखक व्यावहारिक लाभ के संबंध में एक मध्यम स्वर बनाए रखते हैं:

वे स्पष्ट करते हैं कि तुलना एसिम्प्टोटिक स्केलिंग के स्तर पर है न कि वॉल-क्लॉक टाइम के स्तर पर, यह नोट करते हुए कि एरर करेक्शन ओवरहेड्स पर विचार किए बिना लॉजिकल गेट काउंट सीधे भौतिक निष्पादन समय में अनुवादित नहीं होते हैं।
वे स्वीकार करते हैं कि "डायमेंशनलिटी का अभिशाप" समाप्त नहीं हुआ है; लागत अभी भी संपत्तियों की संख्या के साथ घातीय रूप से बढ़ती है, लेकिन विकास दर कम हो जाती है (ब्लैक-स्कोल्स के लिए $N^d$ से $N^{d/2}$ तक)।
वे सीमाओं को भी नोट करते हैं, जैसे कि वर्तमान ध्यान यूरोपीय-शैली के पेऑफ पर है जिनकी बाउंड्री कंडीशंस फ्रेमवर्क के अनुकूल हैं (जैसे, 'वर्स्ट-ऑफ कॉल'), और इसमें पाथ-डिपेंडेंट या अर्ली-एक्सरसाइज फीचर्स को शामिल नहीं किया गया है, जिनके लिए अतिरिक्त स्टेट ऑग्मेंटेशन या इटरेटिव सॉल्विंग लेयर्स की आवश्यकता होगी।

कुल मिलाकर, यह कार्य उच्च-आयामी वित्तीय PDEs को हल करने के लिए क्वांटम एल्गोरिदम का उपयोग करने के लिए एक कठोर सैद्धांतिक और संख्यात्मक आधार स्थापित करता है, जो मल्टी-एसेट प्राइसिंग के लिए क्लासिकल ग्रिड-आधारित विधियों के लिए एक व्यवहार्य विकल्प प्रदान करता है।

समस्या: "ग्रिड का अभिशाप" (The Curse of the Grid)

समाधान: एक क्वांटम "जादुई लेंस" (A Quantum "Magic Lens")

परिणाम: एक गति वृद्धि (A Speed Boost)

महत्वपूर्ण सावधानियां (बारीक विवरण)

सारांश

इसी तरह के और पेपर