論文の概要: Quantum Portfolio Optimization with Investment Bands and Target
Volatility
- arxiv url: http://arxiv.org/abs/2106.06735v4
- Date: Fri, 20 Aug 2021 17:16:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 21:38:59.794206
- Title: Quantum Portfolio Optimization with Investment Bands and Target
Volatility
- Title（参考訳）: 投資バンドとターゲットボラティリティを用いた量子ポートフォリオ最適化
- Authors: Samuel Palmer, Serkan Sahin, Rodrigo Hernandez, Samuel Mugel, Roman
Orus
- Abstract要約: 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。
- 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: In this paper we show how to implement in a simple way some complex real-life
constraints on the portfolio optimization problem, so that it becomes amenable
to quantum optimization algorithms. Specifically, first we explain how to
obtain the best investment portfolio with a given target risk. This is
important in order to produce portfolios with different risk profiles, as
typically offered by financial institutions. Second, we show how to implement
individual investment bands, i.e., minimum and maximum possible investments for
each asset. This is also important in order to impose diversification and avoid
corner solutions. Quite remarkably, we show how to build the constrained cost
function as a quadratic binary optimization (QUBO) problem, this being the
natural input of quantum annealers. The validity of our implementation is
proven by finding the optimal portfolios, using D-Wave Hybrid and its Advantage
quantum processor, on portfolios built with all the assets from S&P100 and
S&P500. Our results show how practical daily constraints found in quantitative
finance can be implemented in a simple way in current NISQ quantum processors,
with real data, and under realistic market conditions. In combination with
clustering algorithms, our methods would allow to replicate the behaviour of
more complex indexes, such as Nasdaq Composite or others, in turn being
particularly useful to build and replicate Exchange Traded Funds (ETF).
- Abstract（参考訳）: 本稿では,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単純な方法で実装することで,量子最適化アルゴリズムに適応する手法を提案する。
具体的には、まず、特定のターゲットリスクで最高の投資ポートフォリオを得る方法を説明します。
これは、金融機関が通常提供しているように、異なるリスクプロファイルを持つポートフォリオを作成するために重要である。
第2に,個々の投資バンド,すなわち,各資産に対する最小限の投資と最大投資の実施方法を示す。
これはまた、多様化を課し、コーナーソリューションを避けるためにも重要である。
非常に驚くべきことに、量子アニーラーの自然な入力である二次二分最適化(qubo)問題として制約付きコスト関数を構築する方法を示す。
s&p100 と s&p500 の資産を全て備えたポートフォリオ上で,d-wave hybrid とそのアドバンテージ量子プロセッサを用いた最適ポートフォリオを見つけることで,実装の有効性が証明された。
この結果から,現在のNISQ量子プロセッサや実データ,現実的な市場条件下で,定量的ファイナンスにおける日々の現実的な制約が,いかに簡単に実装できるかが示唆された。
クラスタリングアルゴリズムと組み合わせることで,Nasdaq Compositeなどの複雑なインデックスの動作を再現することが可能となり,ETF(Exchange Traded Funds)の構築と複製に特に有用となる。
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) - Faster Stochastic Variance Reduction Methods for Compositional MiniMax
Optimization [50.10952609321302]
合成ミニマックス最適化は、さまざまな機械学習領域において重要な課題である。
構成最小最適化の現在の方法は、最適以下の複雑さや、大きなバッチサイズに大きく依存することによって悩まされている。
本稿では,Nested STOchastic Recursive Momentum (NSTORM)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2023-08-18T14:57:21Z) - 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) - Financial Index Tracking via Quantum Computing with Cardinality
Constraints [1.3854111346209868]
実世界の資産管理において重要な非線形濃度制約を量子ポートフォリオに適用する方法を実証する。
提案手法を応用して,イノベーティブな問題指標追跡ポートフォリオを作成する。
論文 参考訳（メタデータ） (2022-08-24T08:59:19Z) - Algorithmic Foundations of Empirical X-risk Minimization [51.58884973792057]
この原稿は、機械学習とAIの新しい最適化フレームワーク、bf empirical X-risk baseline (EXM)を紹介している。
Xリスク(X-risk)は、構成測度または目的の族を表すために導入された用語である。
論文 参考訳（メタデータ） (2022-06-01T12:22:56Z) - Comparing Classical-Quantum Portfolio Optimization with Enhanced
Constraints [0.0]
ポートフォリオ最適化問題に基本的な分析を加え、選択したバランスシートのメトリクスに基づいて資産固有の制約とグローバルな制約を追加する方法について述べる。
我々は、D-Waveの量子プロセッサを用いて、そのような問題を解決するための最先端のアルゴリズムを解析し、商用で利用可能な最適化ソフトウェアで得られるソリューションの品質を比較した。
論文 参考訳（メタデータ） (2022-03-09T17:46:32Z) - Sequential Information Design: Markov Persuasion Process and Its
Efficient Reinforcement Learning [156.5667417159582]
本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。
MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。
我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
論文 参考訳（メタデータ） (2022-02-22T05:41:43Z) - Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。
3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
論文 参考訳（メタデータ） (2021-08-03T17:49:09Z) - Variational Quantum Optimization with Multi-Basis Encodings [62.72309460291971]
マルチバスグラフ複雑性と非線形活性化関数の2つの革新の恩恵を受ける新しい変分量子アルゴリズムを導入する。
その結果,最適化性能が向上し,有効景観が2つ向上し,測定の進歩が減少した。
論文 参考訳（メタデータ） (2021-06-24T20:16:02Z) - 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) - Dynamic Portfolio Optimization with Real Datasets Using Quantum
Processors and Quantum-Inspired Tensor Networks [0.0]
動的ポートフォリオ最適化の問題に対処し、トランザクションコストやその他の可能な制約を考慮に入れます。
我々は、その離散的な定式化を解決するために、異なるハードウェアプラットフォーム上で多くの量子および量子に着想を得たアルゴリズムを実装した。
D-Wave HybridとNetworksは、最大1272個の完全接続量子ビットの計算を行う最大のシステムを扱うことができると結論付けている。
論文 参考訳（メタデータ） (2020-06-30T18:00:03Z)
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。