論文の概要: Quantum Computation for Pricing Caps using the LIBOR Market Model
- arxiv url: http://arxiv.org/abs/2207.01558v1
- Date: Mon, 4 Jul 2022 16:25:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-06 19:03:50.232071
- Title: Quantum Computation for Pricing Caps using the LIBOR Market Model
- Title（参考訳）: LIBOR市場モデルを用いた価格上限の量子計算
- Authors: Hao Tang and Wenxun Wu and Xian-Min Jin
- Abstract要約: 我々は、LIBOR Market Model(LMM)に基づく利率デリバティブ、キャップの価格設定に量子コンピューティングを用いる。
我々は、我々のハイブリッドアプローチが、純粋なモンテカルロ法よりもよく収束していることを示します。
- 参考スコア（独自算出の注目度）: 11.572930535988327
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The LIBOR Market Model (LMM) is a widely used model for pricing interest rate
derivatives. While the Black-Scholes model is well-known for pricing stock
derivatives such as stock options, a larger portion of derivatives are based on
interest rates instead of stocks. Pricing interest rate derivatives used to be
challenging, as their previous models employed either the instantaneous
interest or forward rate that could not be directly observed in the market.
This has been much improved since LMM was raised, as it uses directly
observable interbank offered rates and is expected to be more precise.
Recently, quantum computing has been used to speed up option pricing tasks, but
rarely on structured interest rate derivatives. Given the size of the interest
rate derivatives market and the widespread use of LMM, we employ quantum
computing to price an interest rate derivative, caps, based on the LMM. As caps
pricing relates to path-dependent Monte Carlo iterations for different tenors,
which is common for many complex structured derivatives, we developed our
hybrid classical-quantum approach that applies the quantum amplitude estimation
algorithm to estimate the expectation for the last tenor. We show that our
hybrid approach still shows better convergence than pure classical Monte Carlo
methods, providing a useful case study for quantum computing with a greater
diversity of derivatives.
- Abstract（参考訳）: LIBOR Market Model (LMM) は金利デリバティブの価格設定に広く用いられているモデルである。
黒片モデルはストックオプションのような株式デリバティブの価格設定でよく知られているが、デリバティブの大部分は株式ではなく金利に基づいている。
金利デリバティブの価格設定は、以前のモデルでは市場において直接観測できない即時利率またはフォワードレートを使用していたため、以前は困難であった。
LMMが引き上げられて以来、これは非常に改善されており、直接観測可能な銀行間取引レートを使用しており、より正確であることが期待されている。
近年、量子コンピューティングはオプション価格設定タスクの高速化に使われてきたが、構造化された金利デリバティブではまれである。
金利デリバティブ市場の大きさとLMMの広範利用を考えると、LMMに基づく利率デリバティブ、キャップの価格設定に量子コンピューティングを用いる。
多くの複素構造微分に共通する異なるテンソルに対する経路依存モンテカルロ反復に上限価格が関係するので、量子振幅推定アルゴリズムを適用して最後のテンソルの期待値を推定するハイブリッド古典量子アプローチを開発した。
我々のハイブリッドアプローチは、純粋なモンテカルロ法よりも優れた収束性を示しており、微分の多様性がより大きい量子コンピューティングに有用なケーススタディを提供する。
関連論文リスト
- Sample-efficient Learning of Infinite-horizon Average-reward MDPs with General Function Approximation [53.17668583030862]
一般関数近似の文脈において,無限水平平均逆マルコフ決定過程(AMDP)について検討する。
最適化最適化(LOOP)と呼ばれる新しいアルゴリズムフレームワークを提案する。
我々は LOOP がサブ線形 $tildemathcalO(mathrmpoly(d, mathrmsp(V*)) sqrtTbeta )$ regret を達成することを示す。
論文 参考訳（メタデータ） (2024-04-19T06:24:22Z) - Quantum Computational Algorithms for Derivative Pricing and Credit Risk
in a Regime Switching Economy [0.0]
金融市場のリスクを模倣する観点からも現実的なプロセスのクラスを紹介します。
ゲート型量子コンピュータにおける信用リスクとオプション価格を推定するアルゴリズムについて検討する。
論文 参考訳（メタデータ） (2023-11-01T20:15:59Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-18T16:21:15Z) - Quantum computational finance: martingale asset pricing for incomplete
markets [69.73491758935712]
金融の価格問題に様々な量子技術を適用することができることを示す。
従来の研究と異なる3つの方法について議論する。
論文 参考訳（メタデータ） (2022-09-19T09:22:01Z) - Multivariate Probabilistic Forecasting of Intraday Electricity Prices
using Normalizing Flows [62.997667081978825]
ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。
本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
論文 参考訳（メタデータ） (2022-05-27T08:38:20Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - 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) - Average-case Speedup for Product Formulas [69.68937033275746]
製品公式(英: Product formulas)またはトロッター化(英: Trotterization)は、量子系をシミュレートする最も古い方法であり、いまだに魅力的な方法である。
我々は、ほとんどの入力状態に対して、トロッター誤差が定性的に優れたスケーリングを示すことを証明した。
我々の結果は、平均的なケースにおける量子アルゴリズムの研究の扉を開く。
論文 参考訳（メタデータ） (2021-11-09T18:49:48Z) - Pricing multi-asset derivatives by finite difference method on a quantum
computer [0.0]
本稿では,有限差分法(FDM)によるブラック・スコルズ偏微分方程式の解法に基づく微分価格に着目した。
本稿では,FDMに基づく指数的高速化によるマルチアセット微分の価格決定のための量子アルゴリズムを提案する。
提案手法は,量子コンピュータによる高精度かつ高速なデリバティブ価格の新たな可能性を開くものであると考えている。
論文 参考訳（メタデータ） (2021-09-27T09:30:31Z) - Bermudan option pricing by quantum amplitude estimation and Chebyshev
interpolation [0.0]
本稿では,まずベルムダンオプション価格の量子アルゴリズムを提案する。
基礎となる資産価格パスを生成するためのオラクルへの呼び出しの数は$widetildeO(epsilon-1)$で、$epsilon$はオプション価格のエラー耐性である。
これは、最小二乗モンテカルロのような古典的モンテカルロ法と比較して二次的なスピードアップを意味する。
論文 参考訳（メタデータ） (2021-08-20T06:01:57Z) - Quantum Computation for Pricing the Collateralized Debt Obligations [18.079560926933734]
単要素ガウスコプラモデルと正規逆ガウスコプラモデルという2つの典型的なCDOモデルを実装した。
次に、CDO価格に対するモンテカルロシミュレーションの代替として量子振幅推定を適用する。
我々の研究は、ファイナンス機器の価格設定において有用な課題に対処し、ファイナンスにおける量子コンピューティングの応用範囲を大幅に広げる。
論文 参考訳（メタデータ） (2020-08-06T18:00:01Z)
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。