論文の概要: A highly efficient tensor network algorithm for multi-asset Fourier options pricing

• arxiv url: http://arxiv.org/abs/2203.02804v1
• Date: Sat, 5 Mar 2022 19:05:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-23 01:45:00.957194
• Title: A highly efficient tensor network algorithm for multi-asset Fourier options pricing
• Title（参考訳）: マルチアセットフーリエオプション価格設定のための高効率テンソルネットワークアルゴリズム
• Authors: Michael Kastoryano and Nicola Pancotti
• Abstract要約: マルチアセットオプションの価格設定のための量子インスパイアされたアルゴリズムについて概説する。 このアルゴリズムはテンソルネットワークに基づいており、量子物理学や量子計算に大きなブレークスルーをもたらした。
• 参考スコア（独自算出の注目度）: 0.913755431537592
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Risk assessment and in particular derivatives pricing is one of the core areas in computational finance and accounts for a sizeable fraction of the global computing resources of the financial industry. We outline a quantum-inspired algorithm for multi-asset options pricing. The algorithm is based on tensor networks, which have allowed for major conceptual and numerical breakthroughs in quantum many body physics and quantum computation. In the proof-of-concept example explored, the tensor network approach yields several orders of magnitude speedup over vanilla Monte Carlo simulations. We take this as good evidence that the use of tensor network methods holds great promise for alleviating the computation burden of risk evaluation in the financial and other industries, thus potentially lowering the carbon footprint these simulations incur today.
• Abstract（参考訳）: リスクアセスメントと特にデリバティブ価格(英語版)は計算ファイナンスの中核領域の一つであり、金融業界のグローバルコンピューティング資源のかなりの部分を占めている。 マルチアセットオプションの価格設定のための量子インスパイアされたアルゴリズムについて概説する。 このアルゴリズムはテンソルネットワークに基づいており、量子物理学や量子計算における概念的および数値的なブレークスルーを可能にしている。 概念実証の例では、テンソルネットワークアプローチはバニラモンテカルロシミュレーションよりも数桁の速度アップをもたらす。 このことは, テンソルネットワーク手法を用いることで, 金融など業界におけるリスク評価の計算負担を軽減し, これらのシミュレーションが現在発生している炭素フットプリントを低減できる可能性が示唆されている。

関連論文リスト

• Quantum Circuit Simulation with Fast Tensor Decision Diagram [10.24745264727704]
  テンソル決定図を利用してオーバヘッドを排除し,大幅な高速化を実現する,新たなオープンソースフレームワークを提案する。 本稿では,テンソル決定ダイアグラム演算のための線形複雑度ランク単純化アルゴリズム,テトリス,エッジ中心データ構造を提案する。
  論文  参考訳（メタデータ） (2024-01-21T01:24:29Z)
• An introduction to financial option pricing on a qudit-based quantum computer [0.0]
  金融セクターは、量子コンピュータの計算能力の増大から恩恵を受ける最初の産業の1つとして期待されている。 金融数学とデリバティブ価格(英語版)は、量子物理学者が伝統的に訓練されている分野ではない。
  論文  参考訳（メタデータ） (2023-11-09T17:31:11Z)
• 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)
• Mutual Information Maximizing Quantum Generative Adversarial Network and Its Applications in Finance [1.9448402576196024]
  量子機械学習は、さまざまな領域にわたる古典的な機械学習よりも大きな量子的優位性を提供する。 生成的敵ネットワークは 様々な分野で 有用性があることが認識されている 我々は,MINE(Mutual Information Neural Estor)を量子生成逆数ネットワークの枠組みに取り入れたInfoQGANという新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2023-09-04T05:18:37Z)
• Towards practical Quantum Credit Risk Analysis [0.5735035463793008]
  CRA (Credit Risk Analysis) の量子アルゴリズムが2次スピードアップで導入された。 我々は、この量子アルゴリズムのいくつかの重要な制限を克服する目的で、新しい変種を提案する。
  論文  参考訳（メタデータ） (2022-12-14T09:25:30Z)
• Quantization-aware Interval Bound Propagation for Training Certifiably Robust Quantized Neural Networks [58.195261590442406]
  我々は、逆向きに頑健な量子化ニューラルネットワーク(QNN)の訓練と証明の課題について検討する。 近年の研究では、浮動小数点ニューラルネットワークが量子化後の敵攻撃に対して脆弱であることが示されている。 本稿では、堅牢なQNNをトレーニングするための新しい方法であるQA-IBP(quantization-aware interval bound propagation)を提案する。
  論文  参考訳（メタデータ） (2022-11-29T13:32:38Z)
• Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
  本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。 組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
  論文  参考訳（メタデータ） (2022-08-08T03:13:24Z)
• Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
  暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。 入力逆流の摂動に関して、それらは不安定なままである。 本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-10T03:08:55Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• A Survey of Quantization Methods for Efficient Neural Network Inference [75.55159744950859]
  量子化は、必要なビット数を最小限に抑えるために、固定された離散数の集合に連続実数値を分散する問題である。 近年、コンピュータビジョン、自然言語処理、関連分野でのニューラルネットワークモデルの顕著な性能のために最前線に達しています。 浮動小数点表現から4ビット以下の低精度固定整数値への移行は、メモリフットプリントとレイテンシを16倍削減する可能性を秘めている。
  論文  参考訳（メタデータ） (2021-03-25T06:57:11Z)
• Simple heuristics for efficient parallel tensor contraction and quantum circuit simulation [1.4416132811087747]
  本稿では,確率モデルを用いたテンソルネットワークの縮約のための並列アルゴリズムを提案する。 結果のアルゴリズムをランダム量子回路のシミュレーションに適用する。
  論文  参考訳（メタデータ） (2020-04-22T23:00:42Z)

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。

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。