Fugu-MT 論文翻訳(概要): Portfolio Optimization of 40 Stocks Using the DWave Quantum Annealer

論文の概要: Portfolio Optimization of 40 Stocks Using the DWave Quantum Annealer

arxiv url: http://arxiv.org/abs/2007.01430v1
Date: Thu, 2 Jul 2020 22:51:31 GMT
ステータス: 処理完了
システム内更新日: 2023-05-11 20:27:41.695838
Title: Portfolio Optimization of 40 Stocks Using the DWave Quantum Annealer
Title（参考訳）: dwave量子アニーラを用いた40株のポートフォリオ最適化
Authors: Jeffrey Cohen, Alex Khan, Clark Alexander
Abstract要約: 本稿では, D-Wave 2000Q(TM) システムにおける諸問題について考察し, 最適リスク対戻りポートフォリオを求める。以上の結果から,米国の40銘柄のうち,DWaveを使って魅力的なポートフォリオを選択できることが示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We investigate the use of quantum computers for building a portfolio out of a universe of U.S. listed, liquid equities that contains an optimal set of stocks. Starting from historical market data, we look at various problem formulations on the D-Wave Systems Inc. D-Wave 2000Q(TM) System (hereafter called DWave) to find the optimal risk vs return portfolio; an optimized portfolio based on the Markowitz formulation and the Sharpe ratio, a simplified Chicago Quantum Ratio (CQR), then a new Chicago Quantum Net Score (CQNS). We approach this first classically, then by our new method on DWave. Our results show that practitioners can use a DWave to select attractive portfolios out of 40 U.S. liquid equities.
Abstract（参考訳）: 我々は、株式の最適なセットを含む、米国上場の液体株式の宇宙からポートフォリオを構築するための量子コンピュータの使用について調査する。歴史的市場データから、D-Wave Systems Inc.の様々な問題定式化について考察する。 D-Wave 2000Q(TM)システム(後にDWaveと呼ばれる)は、マルコウィッツの定式化とシャープ比に基づく最適化されたポートフォリオ、単純化されたシカゴ量子比(CQR)、そして新しいシカゴ量子ネットスコア(CQNS)を見つける。まずこれを古典的に、次にDWaveの新しい手法でアプローチします。以上の結果から,米国株40株から魅力的なポートフォリオを選択できることがわかった。

関連論文リスト

Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文参考訳（メタデータ） (2023-10-02T12:33:28Z)
Quantum-inspired optimization for wavelength assignment [51.55491037321065]
波長割当問題を解くための量子インスピレーションアルゴリズムを提案し,開発する。本研究は,電気通信における現実的な問題に対する量子インスパイアされたアルゴリズムの活用の道筋をたどるものである。
論文参考訳（メタデータ） (2022-11-01T07:52:47Z)
A Quantum Online Portfolio Optimization Algorithm [0.0]
我々はHelmboldらによる既存の古典的オンラインポートフォリオ最適化アルゴリズムのサンプリング版を提供し、量子バージョンを開発する。量子的優位性は、量子状態の準備や内部積推定といった技術を用いて達成される。我々の量子アルゴリズムは、ポートフォリオの資産数である$n$という観点で、時間の複雑さの2次的なスピードアップを提供する。
論文参考訳（メタデータ） (2022-08-31T09:51:32Z)
ORQVIZ: Visualizing High-Dimensional Landscapes in Variational Quantum Algorithms [51.02972483763309]
変分量子アルゴリズム(VQA)は、量子コンピュータの実用的な応用を見つけるための有望な候補である。この作業には、オープンソースのPythonパッケージである$textitorqviz$のリリースが伴っている。
論文参考訳（メタデータ） (2021-11-08T18:17:59Z)
Quantum Portfolio Optimization with Investment Bands and Target Volatility [0.0]
ポートフォリオ最適化問題に対する複雑な実生活制約を簡単な方法で実装する方法を示す。我々は、個々の投資バンド、すなわち、各資産に対して最小限および最大限の投資を行う方法を示す。本研究は,現在のNISQ量子プロセッサにおいて,定量的ファイナンスにおける日々の現実的な制約をいかに簡単に実装できるかを示すものである。
論文参考訳（メタデータ） (2021-06-12T10:17:17Z)
Quantum Machine Learning with SQUID [64.53556573827525]
分類問題に対するハイブリッド量子古典アルゴリズムを探索するオープンソースフレームワークであるScaled QUantum IDentifier (SQUID)を提案する。本稿では、一般的なMNISTデータセットから標準バイナリ分類問題にSQUIDを使用する例を示す。
論文参考訳（メタデータ） (2021-04-30T21:34:11Z)
GEO: Enhancing Combinatorial Optimization with Classical and Quantum Generative Models [62.997667081978825]
我々は、生成モデルとして知られる機械学習モデルを活用する新しいフレームワークを導入し、最適化問題を解決する。我々は、テンソルネットワークマシンに依存するGEOの量子インスパイアされたバージョンに注力する。関数呼び出し数に対する固定予算が与えられた場合、その目標が最小限の最小値を求める場合、その優れた性能を示す。
論文参考訳（メタデータ） (2021-01-15T18:18:38Z)
Hybrid Quantum Investment Optimization with Minimal Holding Period [0.0]
最小保持期間を有する動的ポートフォリオ最適化のためのハイブリッド量子古典アルゴリズムを提案する。 D-Wave 2000Qプロセッサを用いて,1年間のトレーディング期間にまたがる50のデータセットにおける最適投資軌跡を見出した。
論文参考訳（メタデータ） (2020-12-02T11:26:47Z)
Picking Efficient Portfolios from 3,171 US Common Stocks with New Quantum and Classical Solvers [0.0]
我々は、シカゴ量子ネットスコア(CQNS)とポートフォリオ最適化に基づく効率的なポートフォリオを作成するために、米国の普通株3,171株を分析した。
論文参考訳（メタデータ） (2020-10-30T16:56:23Z)
Portfolio Optimization of 60 Stocks Using Classical and Quantum Algorithms [0.0]
量子コンピュータを用いて、60の米国リストに記載された液状株式の宇宙から最適なポートフォリオを構築することを検討する。我々は, D-Wave Systems Inc. D-Wave 2000Q システムに独自の問題を定式化して, 最適リスク対戻りポートフォリオを求める。
論文参考訳（メタデータ） (2020-08-19T21:10:29Z)
Quantum Differentially Private Sparse Regression Learning [132.1981461292324]
我々は、スパース回帰問題を解くために、効率的な量子微分プライベート(QDP)ラッソ推定器を考案する。最後に、QDP Lasso はプライバシー保証付きで $tildeO(N-2/3)$ に近い最適ユーティリティを実現していることを示す。
論文参考訳（メタデータ） (2020-07-23T10:50:42Z)

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。