論文の概要: Hybrid Quantum-Classical Algorithms for Loan Collection Optimization
with Loan Loss Provisions
- arxiv url: http://arxiv.org/abs/2110.15870v2
- Date: Thu, 27 Jan 2022 11:09:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 22:50:08.551598
- Title: Hybrid Quantum-Classical Algorithms for Loan Collection Optimization
with Loan Loss Provisions
- Title（参考訳）: ローン損失条項を考慮したローンコレクション最適化のためのハイブリッド量子古典アルゴリズム
- Authors: Jirawat Tangpanitanon, Jirawat Saiphet, Pantita Palittapongarnpim,
Poompong Chaiwongkhot, Pinn Prugsanapan, Nuntanut Raksasri, Yarnvith Raksri,
Pairash Thajchayapong, Thiparat Chotibut
- Abstract要約: ローン収集最適化問題を解くために,ハイブリッド量子古典アルゴリズムを提案する。
本稿では,QAOAが混成アルゴリズムから外れた場合と比較して,QAOAの存在が期待される純利益を約70%向上させることができることを示す。
- 参考スコア（独自算出の注目度）: 2.304713283039168
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Banks are required to set aside funds in their income statement, known as a
loan loss provision (LLP), to account for potential loan defaults and expenses.
By treating the LLP as a global constraint, we propose a hybrid
quantum-classical algorithm to solve Quadratic Constrained Binary Optimization
(QCBO) models for loan collection optimization. The objective is to find a set
of optimal loan collection actions that maximizes the expected net profit
presented to the bank as well as the financial welfare in the financial network
of loanees, while keeping the LLP at its minimum. Our algorithm consists of
three parts: a classical divide-and-conquer algorithm to enable a large-scale
optimization, a quantum alternating operator ansatz (QAOA) algorithm to
maximize the objective function, and a classical sampling algorithm to handle
the LLP. We apply the algorithm to a real-world data set with 600 loanees and 5
possible collection actions. The QAOA is performed using up to 35 qubits on a
classical computer. We show that the presence of the QAOA can improve the
expected net profit by approximately $70\%$, compared to when the QAOA is
absent from the hybrid algorithm. Our work illustrates the use of near-term
quantum devices to tackle real-world optimization problems.
- Abstract（参考訳）: 銀行はローン損失条項(llp)として知られる所得申告書に資金を置き、潜在的なローン不履行と経費を考慮に入れる必要がある。
llpを大域的制約として扱うことにより,2次制約付き二分最適化(qcbo)モデルを解くハイブリッド量子古典アルゴリズムを提案する。
目的は、LLPを最小限に保ちつつ、銀行に提示される純利益と融資者の金融ネットワークにおける財政福祉を最大化する最適な融資回収行動のセットを見つけることである。
本アルゴリズムは,大規模最適化を可能にする古典的除算・探索アルゴリズム,目的関数を最大化する量子交互作用素 ansatz (qaoa) アルゴリズム,llpを扱う古典的サンプリングアルゴリズムの3つの部分からなる。
このアルゴリズムを600人の借り手と5つのコレクションアクションからなる実世界のデータセットに適用する。
QAOAは、古典的なコンピュータ上で最大35キュービットで実行される。
我々は,QAOAがハイブリッドアルゴリズムから外れた場合と比較して,QAOAの存在が期待される純利益を約70 % 向上できることを示した。
我々の研究は、現実世界の最適化問題に対処するために、短期的な量子デバイスを用いていることを示す。
関連論文リスト
- Quantum Algorithms for Drone Mission Planning [0.0]
ミッションプランニングはしばしば、一連のミッション目標を達成するためにISR(Intelligence, Surveillance and Reconnaissance)資産の使用を最適化する。
このような解を見つけることはNP-Hard問題であり、古典的なコンピュータでは効率的に解けないことが多い。
我々は、現在の古典的手法に対してスピードアップを提供する可能性のある、短期量子アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2024-09-27T10:58:25Z) - Discovering Preference Optimization Algorithms with and for Large Language Models [50.843710797024805]
オフライン優先最適化は、LLM(Large Language Model)出力の品質を向上・制御するための重要な手法である。
我々は、人間の介入なしに、新しい最先端の選好最適化アルゴリズムを自動で発見する客観的発見を行う。
実験は、ロジスティックと指数的損失を適応的にブレンドする新しいアルゴリズムであるDiscoPOPの最先端性能を示す。
論文 参考訳（メタデータ） (2024-06-12T16:58:41Z) - Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。
汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。
我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
論文 参考訳（メタデータ） (2023-10-10T01:39:04Z) - A Review on Quantum Approximate Optimization Algorithm and its Variants [47.89542334125886]
量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、難解な最適化問題を解くことを目的とした、非常に有望な変分量子アルゴリズムである。
この総合的なレビューは、様々なシナリオにおけるパフォーマンス分析を含む、QAOAの現状の概要を提供する。
我々は,提案アルゴリズムの今後の展望と方向性を探りながら,選択したQAOA拡張と変種の比較研究を行う。
論文 参考訳（メタデータ） (2023-06-15T15:28:12Z) - Finding the Optimal Currency Composition of Foreign Exchange Reserves
with a Quantum Computer [0.0]
本稿では,Markowitzモデルに基づく動的ポートフォリオ最適化への量子アルゴリズムの適用に焦点を当てる。
量子アルゴリズムを実行するには、IBM QuantumtextsuperscriptTMゲートベースの量子コンピュータを使用します。
この論文の二次目標は、中央銀行や他の金融市場規制機関のスタッフに量子最適化アルゴリズムに関する文献を提供することである。
論文 参考訳（メタデータ） (2023-03-03T13:19:07Z) - A hybrid level-based learning swarm algorithm with mutation operator for
solving large-scale cardinality-constrained portfolio optimization problems [0.0]
本稿では,大規模ポートフォリオ最適化問題の解法として,LLSO(Level-based Learning Swarm)のハイブリッド版を提案する。
我々のゴールは、基数、ボックス、予算の制約を受けるシャープ比の修正式を最大化することです。
このアルゴリズムでは、プロジェクション演算子がこれら3つの制約を同時に処理し、再バランス制約によりトランザクションコストを暗黙的に制御する。
論文 参考訳（メタデータ） (2022-06-29T16:45:37Z) - Local Stochastic Bilevel Optimization with Momentum-Based Variance
Reduction [104.41634756395545]
具体的には、まず、決定論的勾配に基づくアルゴリズムであるFedBiOを提案する。
FedBiOの複雑性は$O(epsilon-1.5)$である。
本アルゴリズムは数値実験において,他のベースラインと比較して優れた性能を示す。
論文 参考訳（メタデータ） (2022-05-03T16:40:22Z) - 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) - Dynamic Asset Allocation with Expected Shortfall via Quantum Annealing [0.0]
本稿では,動的アセット割り当て問題を解決するために,ハイブリッド量子古典アルゴリズムを提案する。
D-Waveの2000QとAdvantageの量子アニールの結果を実世界の財務データを用いて比較する。
高い相関関係を持つ資産の実験は、より優れた性能を発揮する傾向にあり、近い将来、実用的な量子アプリケーションを設計するのに役立つかもしれない。
論文 参考訳（メタデータ） (2021-12-06T17:39:43Z) - On Reward-Free RL with Kernel and Neural Function Approximations:
Single-Agent MDP and Markov Game [140.19656665344917]
エージェントが事前に特定された報酬関数を使わずに環境を徹底的に探索することを目的とした報酬のないRL問題について検討する。
関数近似の文脈でこの問題に取り組み、強力な関数近似器を活用する。
我々は、カーネルとニューラルファンクション近似器を用いた、証明可能な効率の良い報酬なしRLアルゴリズムを確立した。
論文 参考訳（メタデータ） (2021-10-19T07:26:33Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2020-07-14T12:38:21Z)
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。