論文の概要: Financial Portfolio Optimization: a QUBO Formulation for Sharpe Ratio Maximization

• arxiv url: http://arxiv.org/abs/2302.12291v1
• Date: Thu, 23 Feb 2023 19:15:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 15:26:04.792701
• Title: Financial Portfolio Optimization: a QUBO Formulation for Sharpe Ratio Maximization
• Title（参考訳）: 金融ポートフォリオ最適化:シャープ比最大化のためのQUBO式
• Authors: Mirko Mattesi, Luca Asproni, Christian Mattia, Simone Tufano, Giacomo Ranieri, Davide Caputo and Davide Corbelletto
• Abstract要約: シャープ比に対するQUBOの定式化を提案し、その結果をQuantum Computingの最先端モデルと古典的ベンチマークと比較する。 提案した定式化に必要な仮定に基づき,シャープ比の値として得られた解の質について有意な考察を導出する。
• 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: The Portfolio Optimization task has long been studied in the Financial Services literature as a procedure to identify the basket of assets that satisfy desired conditions on the expected return and the associated risk. A well-known approach to tackle this task is the maximization of the Sharpe Ratio, achievable with a problem reformulation as Quadratic Programming. The problems in this class mapped to a QUBO can be solved via Quantum Annealing devices, which are expected to find high quality solutions. In this work we propose a QUBO formulation for the Sharpe Ratio maximization and compare the results both with the Quantum Computing state-of-the-art model and a classical benchmark. Under the assumptions that we require for the proposed formulation, we derive meaningful considerations about the solution quality found, measured as the value of Sharpe Ratio.
• Abstract（参考訳）: ポートフォリオ最適化タスクは、期待されるリターンと関連するリスクの条件を満たす資産のバスケットを特定する手順として、金融サービス文献で長い間研究されてきた。 この課題に取り組むためのよく知られたアプローチはシャープ比の最大化であり、擬似プログラミングのような問題修正が達成できる。 このクラスでQUBOにマップされた問題は量子アニーリングデバイスによって解決でき、高品質な解を見つけることが期待されている。 本研究では,シャープ比最大化のためのQUBO定式化を提案し,その結果をQuantum Computing State-of-the-artモデルと古典的ベンチマークと比較する。 提案する定式化に必要な仮定の下では,シャープ比の値として測定した解の質について有意義な考察を行う。

関連論文リスト

• 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)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  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。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)
• Approaching Collateral Optimization for NISQ and Quantum-Inspired Computing [0.0]
  担保最適化(Collateral optimization)とは、債務又は担保取引を満たすための金融資産の体系的な配分を指す。 一般的な目的の1つは、特定のトランザクションや取引ポートフォリオに関連するリスクを軽減するのに必要な担保コストを最小限にすることである。
  論文  参考訳（メタデータ） (2023-05-25T18:01:04Z)
• 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)
• 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)
• Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
  エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。 エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。 提案手法は(線形速度で)大域的最適値に収束することが示されている。
  論文  参考訳（メタデータ） (2022-06-03T16:26:38Z)
• 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)
• Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
  非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。 本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
  論文  参考訳（メタデータ） (2022-01-28T05:53:28Z)
• 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)
• 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。