論文の概要: Comparing Classical-Quantum Portfolio Optimization with Enhanced Constraints

• arxiv url: http://arxiv.org/abs/2203.04912v1
• Date: Wed, 9 Mar 2022 17:46:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 19:25:35.328320
• Title: Comparing Classical-Quantum Portfolio Optimization with Enhanced Constraints
• Title（参考訳）: 古典的量子ポートフォリオ最適化と拡張制約の比較
• Authors: Salvatore Certo, Anh Dung Pham, Daniel Beaulieu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One of the problems frequently mentioned as a candidate for quantum advantage is that of selecting a portfolio of financial assets to maximize returns while minimizing risk. In this paper we formulate several real-world constraints for use in a Quantum Annealer (QA), extending the scenarios in which the algorithm can be implemented. Specifically, we show how to add fundamental analysis to the portfolio optimization problem, adding in asset-specific and global constraints based on chosen balance sheet metrics. We also expand on previous work in improving the constraint to enforce investment bands in sectors and limiting the number of assets to invest in, creating a robust and flexible solution amenable to QA. Importantly, we analyze the current state-of-the-art algorithms for solving such a problem using D-Wave's Quantum Processor and compare the quality of the solutions obtained to commercially-available optimization software. We explore a variety of traditional and new constraints that make the problem computationally harder to solve and show that even with these additional constraints, classical algorithms outperform current hybrid solutions in the static portfolio optimization model.
• Abstract（参考訳）: 量子優位の候補としてしばしば言及される問題の1つは、リスクを最小限に抑えつつ利益を最大化するために資産ポートフォリオを選択することである。 本稿では,量子アニーラ (qa) で使用する実世界の制約をいくつか定式化し,アルゴリズムを実装できるシナリオを拡張した。 具体的には、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加える方法について述べる。 我々はまた、セクターにおける投資バンドの実施の制約を改善し、投資する資産の数を制限し、QAに対応可能な堅牢で柔軟なソリューションを作成するという過去の取り組みを拡大する。 重要なのは,d-waveの量子プロセッサを用いてこの問題を解決するための最先端アルゴリズムを分析し,市販最適化ソフトウェアで得られた解の質を比較することである。 我々は,この問題を計算的に解決しにくくする,従来の制約や新しい制約を探究し,これらの制約を付加しても,従来のアルゴリズムが静的ポートフォリオ最適化モデルにおいて現在のハイブリッドソリューションを上回っていることを示す。

関連論文リスト

• PO-QA: A Framework for Portfolio Optimization using Quantum Algorithms [4.2435928520499635]
  ポートフォリオ最適化(PO)は、投資ポートフォリオのリスクを最小限に抑えつつ、純利益を最大化することを目的とした金融問題である。 本稿では,量子パラメータの変動を調べるために,新しいスケーラブルなフレームワークPO-QAを提案する。 本結果は,量子機械学習のレンズからPOを理解する上で有効な知見を提供する。
  論文  参考訳（メタデータ） (2024-07-29T10:26:28Z)
• A Novel Knapsack-based Financial Portfolio Optimization using Quantum Approximate Optimization Algorithm [2.6603181502541986]
  本稿では,量子ウォークミキサーの量子計算能力と量子近似最適化アルゴリズム(QAOA)を用いて,NPハード問題による課題に対処する手法を提案する。 p>=3の回路層を用いたポートフォリオ最適化手法の近似比を,古典的なknapsack問題の解法と比較した。
  論文  参考訳（メタデータ） (2024-02-11T08:20:26Z)
• 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)
• Diversifying Investments and Maximizing Sharpe Ratio: a novel QUBO formulation [0.0]
  本稿では,記述されたタスクに対する新しいQUBOの定式化を提案し,数学的詳細と必要な仮定を提供する。 我々は、利用可能なQUBOソルバを用いて結果を得るとともに、この用語で大規模な問題に対処するハイブリッドアプローチの振る舞いについて議論する。
  論文  参考訳（メタデータ） (2023-02-23T19:15:44Z)
• Multiobjective variational quantum optimization for constrained problems: an application to Cash Management [45.82374977939355]
  本稿では,変分量子アルゴリズムを用いた制約付き最適化問題の解法を提案する。 我々は、キャッシュマネジメント問題という、金融の極めて関連性の高い現実世界の問題について、我々の提案を検証した。 実験の結果, 実現したソリューションのコスト, 特に局所最小値の回避に関して, 大幅な改善が見られた。
  論文  参考訳（メタデータ） (2023-02-08T17:09:20Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Learning to Optimize with Stochastic Dominance Constraints [103.26714928625582]
  本稿では,不確実量を比較する問題に対して,単純かつ効率的なアプローチを開発する。 我々はラグランジアンの内部最適化をサロゲート近似の学習問題として再考した。 提案したライト-SDは、ファイナンスからサプライチェーン管理に至るまで、いくつかの代表的な問題において優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-14T21:54:31Z)
• 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)
• 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。