論文の概要: A real world test of Portfolio Optimization with Quantum Annealing

• arxiv url: http://arxiv.org/abs/2303.12601v1
• Date: Wed, 22 Mar 2023 14:38:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 13:57:12.816027
• Title: A real world test of Portfolio Optimization with Quantum Annealing
• Title（参考訳）: 量子アニーリングによるポートフォリオ最適化の実世界テスト
• Authors: Wolfgang Sakuler, Johannes M. Oberreuter, Riccardo Aiolfi, Luca Asproni, Branislav Roman, J\"urgen Schiefer
• Abstract要約: 本稿では,QUBO(Quardratic Unconstrained Binary Optimization)の定式化によるポートフォリオ最適化実験について述べる。 正確な古典的戦略によって得られる大域的最適値と整合して満足な結果が得られる。 最適化にはQUBOパラメータのチューニングが不可欠であるため,自動チューニングが可能なハイブリッド手法について検討する。
• 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: In this note, we describe an experiment on portfolio optimization using the Quadratic Unconstrained Binary Optimization (QUBO) formulation. The dataset we use is taken from a real-world problem for which a classical solution is currently deployed and used in production. In this work, carried out in a collaboration between the Raiffeisen Bank International (RBI) and Reply, we derive a QUBO formulation, which we solve using various methods: two D-Wave hybrid solvers, that combine the employment of a quantum annealer together with classical methods, and a purely classical algorithm. Particular focus is given to the implementation of the constraint that requires the resulting portfolio's variance to be below a specified threshold, whose representation in an Ising model is not straightforward. We find satisfactory results, consistent with the global optimum obtained by the exact classical strategy. However, since the tuning of QUBO parameters is crucial for the optimization, we investigate a hybrid method that allows for automatic tuning.
• Abstract（参考訳）: 本稿では,Quadratic Unconstrained Binary Optimization (QUBO) を用いたポートフォリオ最適化実験について述べる。 私たちが使用するデータセットは、古典的ソリューションが現在本番環境にデプロイされ、使用されている現実世界の問題から取り出されています。 本稿では,RBI(Raiffeisen Bank International)とReply(Reply)の協力により,量子アニールと古典的手法を組み合わせた2つのD-Waveハイブリッドソルバと,純粋に古典的なアルゴリズムを用いて,QUBOの定式化を導出する。 特に、ポートフォリオの分散が特定のしきい値以下であることが要求される制約の実装に焦点が当てられ、Isingモデルでの表現は単純ではない。 正確な古典的戦略によって得られる大域的最適値と整合して満足な結果が得られる。 しかし,最適化にはquboパラメータのチューニングが不可欠であるため,自動チューニングが可能なハイブリッド手法を検討する。

関連論文リスト

• LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning [56.273799410256075]
  このフレームワークはMonte Carlo Tree Search (MCTS)と反復的なSelf-Refineを組み合わせて推論パスを最適化する。 このフレームワークは、一般的なベンチマークと高度なベンチマークでテストされており、探索効率と問題解決能力の点で優れた性能を示している。
  論文  参考訳（メタデータ） (2024-10-03T18:12:29Z)
• Real World Application of Quantum-Classical Optimization for Production Scheduling [0.4326762849037007]
  この研究は、産業からの現実の最適化問題を伴う量子古典計算手法のベンチマーク研究である。 問題は、異なるマシン上のジョブのスケジューリングとバランシングであり、非線形な目的関数である。 古典解法のモデリングは混合整数凸プログラムとして行われ、量子古典解法では二項二次プログラムとしてモデル化する。
  論文  参考訳（メタデータ） (2024-08-03T02:58:01Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
  本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。 微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
  論文  参考訳（メタデータ） (2023-02-24T18:41:48Z)
• Comparative Benchmark of a Quantum Algorithm for the Bin Packing Problem [0.8434687648198277]
  Bin Packing Problem (BPP) は、ロジスティクスにおけるパラダイム最適化問題として際立っている。 我々は最近,一次元BPPに対するハイブリッドアプローチを提案している。 他の古典的手法と比較する。
  論文  参考訳（メタデータ） (2022-07-15T13:09:12Z)
• Surrogate modeling for Bayesian optimization beyond a single Gaussian process [62.294228304646516]
  本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。 拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。 提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
  論文  参考訳（メタデータ） (2022-05-27T16:43:10Z)
• On the implementation of a global optimization method for mixed-variable problems [0.30458514384586394]
  このアルゴリズムは、グットマンの放射基底関数と、レジスとシューメーカーの計量応答面法に基づいている。 これら2つのアルゴリズムの一般化と改良を目的としたいくつかの修正を提案する。
  論文  参考訳（メタデータ） (2020-09-04T13:36:56Z)
• Adaptive Sampling of Pareto Frontiers with Binary Constraints Using Regression and Classification [0.0]
  本稿では,二項制約を持つブラックボックス多目的最適化問題に対する適応最適化アルゴリズムを提案する。 本手法は確率的回帰モデルと分類モデルに基づいており,最適化目標のサロゲートとして機能する。 また,予想される超体積計算を高速化するために,新しい楕円形トランケーション法を提案する。
  論文  参考訳（メタデータ） (2020-08-27T09:15:02Z)
• Convergence of adaptive algorithms for weakly convex constrained optimization [59.36386973876765]
  モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。 我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
  論文  参考訳（メタデータ） (2020-06-11T17:43:19Z)
• Cross Entropy Hyperparameter Optimization for Constrained Problem Hamiltonians Applied to QAOA [68.11912614360878]
  QAOA(Quantum Approximate Optimization Algorithm)のようなハイブリッド量子古典アルゴリズムは、短期量子コンピュータを実用的に活用するための最も奨励的なアプローチの1つである。 このようなアルゴリズムは通常変分形式で実装され、古典的な最適化法と量子機械を組み合わせて最適化問題の優れた解を求める。 本研究では,クロスエントロピー法を用いてランドスケープを形作り,古典的パラメータがより容易により良いパラメータを発見でき,その結果,性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-03-11T13:52:41Z)

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。