論文の概要: Approaching Collateral Optimization for NISQ and Quantum-Inspired
Computing
- arxiv url: http://arxiv.org/abs/2305.16395v2
- Date: Tue, 19 Dec 2023 10:15:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-21 02:16:38.577522
- Title: Approaching Collateral Optimization for NISQ and Quantum-Inspired
Computing
- Title（参考訳）: NISQと量子インスピレーションドコンピューティングのコラテラル最適化へのアプローチ
- Authors: Megan Giron and Georgios Korpas and Waqas Parvaiz and Prashant Malik
and Johannes Aspman
- Abstract要約: 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。
- 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: Collateral optimization refers to the systematic allocation of financial
assets to satisfy obligations or secure transactions, while simultaneously
minimizing costs and optimizing the usage of available resources. {This
involves assessing number of characteristics, such as cost of funding and
quality of the underlying assets to ascertain the optimal collateral quantity
to be posted to cover exposure arising from a given transaction or a set of
transactions. One of the common objectives is to minimise the cost of
collateral required to mitigate the risk associated with a particular
transaction or a portfolio of transactions while ensuring sufficient protection
for the involved parties}. Often, this results in a large-scale combinatorial
optimization problem. In this study, we initially present a Mixed Integer
Linear Programming (MILP) formulation for the collateral optimization problem,
followed by a Quadratic Unconstrained Binary optimization (QUBO) formulation in
order to pave the way towards approaching the problem in a hybrid-quantum and
NISQ-ready way. We conduct local computational small-scale tests using various
Software Development Kits (SDKs) and discuss the behavior of our formulations
as well as the potential for performance enhancements. We further survey the
recent literature that proposes alternative ways to attack combinatorial
optimization problems suitable for collateral optimization.
- Abstract（参考訳）: 担保最適化(Collateral optimization)とは、債務や担保取引を充足するための金融資産の体系的な配分であり、同時にコストを最小化し、利用可能な資源の使用を最適化する。
{ これは、所定の取引又は取引の集合から生じる露出をカバーするために投じられる最適の担保量を確認するために、資金のコストや基礎資産の品質などの特徴の数を評価することを含む。
共通の目的の1つは、特定の取引又は取引のポートフォリオに関連するリスクを軽減するために必要な担保コストを最小化し、関連する当事者の十分な保護を確保することである。
多くの場合、これは大規模な組合せ最適化問題をもたらす。
本研究では、まず、並列最適化問題に対するMILP(Mixed Integer Linear Programming)の定式化と、ハイブリッド量子およびNISQ-ready方式でこの問題にアプローチする道を開くための2次非制約バイナリ最適化(QUBO)の定式化について述べる。
様々なソフトウェア開発キット (SDK) を用いて局所的な小規模テストを行い, 定式化の挙動と性能向上の可能性について議論する。
さらに, 並列最適化に適した組合せ最適化問題に対して, 代替手法を提案する最近の文献を調査する。
関連論文リスト
- Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [61.580419063416734]
最近の構造化学習手法のストリームは、様々な最適化問題に対する技術の実践的状態を改善している。
鍵となる考え方は、インスタンスを別々に扱うのではなく、インスタンス上の統計分布を利用することだ。
本稿では,最適化を容易にし,一般化誤差を改善するポリシを摂動することでリスクを円滑にする手法について検討する。
論文 参考訳（メタデータ） (2024-07-24T12:00:30Z) - Robust personalized pricing under uncertainty of purchase probabilities [2.9061423802698565]
予測された購入確率の不確実性を考慮したパーソナライズ価格のロバストな最適化モデルを提案する。
また、線形探索と組み合わせたラグランジアン分解アルゴリズムを開発し、大規模最適化問題に対する高品質な解を効率的に見つける。
論文 参考訳（メタデータ） (2024-07-22T02:36:19Z) - End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Empirical Analysis of Quantum Approximate Optimization Algorithm for
Knapsack-based Financial Portfolio Optimization [2.9062064631998696]
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) - Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳（メタデータ） (2023-11-13T13:19:34Z) - 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) - Quantization for decentralized learning under subspace constraints [61.59416703323886]
エージェントがサブスペース制約を最小化するために個々のコスト関数を持つ分散最適化問題を考察する。
本稿では,エージェントが確率化量子化器を用いて推定値を圧縮する適応分散型戦略を提案し,検討する。
この分析は、量子化ノイズのいくつかの一般的な条件下では、平均二乗誤差と平均ビットレートの両方で戦略が安定であることを示している。
論文 参考訳（メタデータ） (2022-09-16T09:38:38Z) - Interactive Recommendations for Optimal Allocations in Markets with
Constraints [12.580391999838128]
本稿では,システムプロバイダがユーザへのレコメンデーションの質を高めるためのインタラクティブなフレームワークを提案する。
我々は,協調フィルタリング,帯域幅,最適資源配分といった手法を用いた統合的アプローチを採用する。
人工マトリックスと実世界のデータに関する実証研究は,本手法の有効性と性能を実証している。
論文 参考訳（メタデータ） (2022-07-08T22:16:51Z) - 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) - Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。
これらの問題に対する新規で簡単な最適化法を開発した。
結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文 参考訳（メタデータ） (2021-09-23T17:38:24Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳（メタデータ） (2021-02-16T06:04:27Z)
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。