GPU-Accelerated Clustering for Financial Instruments at Scale

（翻译）GPU加速的大规模金融工具聚类

资讯摘要

Use AdaptGrow, a GPU-accelerated matrix factorization algorithm, to turn rolling correlation and tail-dependence matrices into hard clusters…

本文介绍一种面向金融工具大规模依赖矩阵的GPU加速聚类方案。该方案基于AdaptGrow算法和SymNMF矩阵分解，可同时输出硬聚类标签、软因子载荷和结构突变信号。通过内存优化，约10万只金融工具可在单块GB200 GPU上运行；分布式版本在16个节点上完成百万只金融工具的分解。

核心是AdaptGrow，一种自适应的SymNMF矩阵分解求解器，能根据输入矩阵的特征值谱自动选择全批量或块随机梯度更新，并采用AdaGrad对角预条件。

通过内存高效公式将峰值存储从约20n²字节降至约4n²字节，使10万工具可单GPU运行；分布式实现按行分片依赖矩阵，通信量降为O(nk)，可在16个节点上分解百万工具。

固定秩k后对每个滚动窗口独立分解，再比较相隔一个窗口宽度的调整兰德指数(ARI)，当聚类标签发生显著变化时即可检测到结构突变。