論文の概要: Black-Litterman Portfolio Optimization with Noisy Intermediate-Scale Quantum Computers

• arxiv url: http://arxiv.org/abs/2312.00892v1
• Date: Fri, 1 Dec 2023 19:42:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 20:14:53.166829
• Title: Black-Litterman Portfolio Optimization with Noisy Intermediate-Scale Quantum Computers
• Title（参考訳）: 雑音中規模量子コンピュータを用いたブラックリッターマンポートフォリオ最適化
• Authors: Chi-Chun Chen, San-Lin Chung and Hsi-Sheng Goan
• Abstract要約: 我々は、ブラック・リッターマン(BL)ポートフォリオ最適化モデルにおけるサブルーチンを強化するために、ノイズのある中間スケール量子 (NISQ) アルゴリズムの実用的応用を実証する。 概念実証として、12のアセットプールから6つのアセットを選択する12キュービットの例を実装した。
• 参考スコア（独自算出の注目度）: 0.14732811715354452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we demonstrate a practical application of noisy intermediate-scale quantum (NISQ) algorithms to enhance subroutines in the Black-Litterman (BL) portfolio optimization model. As a proof of concept, we implement a 12-qubit example for selecting 6 assets out of a 12-asset pool. Our approach involves predicting investor views with quantum machine learning (QML) and addressing the subsequent optimization problem using the variational quantum eigensolver (VQE). The solutions obtained from VQE exhibit a high approximation ratio behavior, and consistently outperform several common portfolio models in backtesting over a long period of time. A unique aspect of our VQE scheme is that after the quantum circuit is optimized, only a minimal number of samplings is required to give a high approximation ratio result since the probability distribution should be concentrated on high-quality solutions. We further emphasize the importance of employing only a small number of final samplings in our scheme by comparing the cost with those obtained from an exhaustive search and random sampling. The power of quantum computing can be anticipated when dealing with a larger-size problem due to the linear growth of the required qubit resources with the problem size. This is in contrast to classical computing where the search space grows exponentially with the problem size and would quickly reach the limit of classical computers.
• Abstract（参考訳）: 本稿では,ブラックリッターマン(bl)ポートフォリオ最適化モデルにおけるサブルーチン強化のための雑音中規模量子(nisq)アルゴリズムの実用化例を示す。 概念実証として、12のアセットプールから6つのアセットを選択する12キュービットの例を実装した。 我々のアプローチは、量子機械学習(QML)を用いて投資家の視点を予測し、変動量子固有解法(VQE)を用いてその後の最適化問題に対処することである。 VQEから得られる解は高い近似比の挙動を示し、長期にわたってバックテストにおいていくつかの共通のポートフォリオモデルより一貫して優れている。 我々のvqeスキームのユニークな側面は、量子回路を最適化した後、確率分布を高品質な解に集中させるため、高い近似比を与えるために最小のサンプリングしか必要とされないことである。 さらに,本手法では,探索とランダムサンプリングのコストを比較することで,少数の最終サンプリングのみを採用することの重要性を強調した。 量子コンピューティングのパワーは、必要量子ビット資源の線形的な成長と問題の大きさに起因して、より大きな問題に対処するときに期待できる。 これは、探索空間が問題の大きさで指数関数的に成長し、すぐに古典的コンピュータの限界に達する古典的計算とは対照的である。

関連論文リスト

• Variational Quantum Algorithms for Combinatorial Optimization [0.571097144710995]
  変分アルゴリズム (VQA) は, NISQシステムの実用化に向けた最有力候補の1つである。 本稿では,VQAの現状と最近の発展を考察し,近似最適化への適用性を強調した。 10ノードと20ノードのグラフ上でMaxCut問題を解くために,深さの異なるQAOA回路を実装した。
  論文  参考訳（メタデータ） (2024-07-08T22:02:39Z)
• Variational quantum eigensolver with linear depth problem-inspired ansatz for solving portfolio optimization in finance [7.501820750179541]
  本稿では,金融におけるポートフォリオ最適化問題を解決するために,変分量子固有解法(VQE)を提案する。 超伝導量子コンピュータWu Kongにおける最大55量子ビットのHDC実験を実装した。 HDCスキームは、NISQ時代に量子アドバンテージを達成する大きな可能性を示している。
  論文  参考訳（メタデータ） (2024-03-07T07:45:47Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Challenges of variational quantum optimization with measurement shot noise [0.0]
  問題の大きさが大きくなるにつれて、量子資源のスケーリングが一定の成功確率に達するか検討する。 この結果から,ハイブリッド量子古典アルゴリズムは古典外ループの破壊力を回避する必要がある可能性が示唆された。
  論文  参考訳（メタデータ） (2023-07-31T18:01:15Z)
• Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
  量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。 ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。 本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-25T00:38:46Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• End-to-end resource analysis for quantum interior point methods and portfolio optimization [63.4863637315163]
  問題入力から問題出力までの完全な量子回路レベルのアルゴリズム記述を提供する。 アルゴリズムの実行に必要な論理量子ビットの数と非クリフォードTゲートの量/深さを報告する。
  論文  参考訳（メタデータ） (2022-11-22T18:54:48Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
  我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。 問題の大きさと問題グラフの次数で指数関数的に増大する。 これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2022-01-06T21:02:30Z)
• Layer VQE: A Variational Approach for Combinatorial Optimization on Noisy Quantum Computers [5.644434841659249]
  変分量子固有解法(VQE)に触発された反復層VQE(L-VQE)アプローチを提案する。 L-VQE は有限サンプリング誤差に対してより堅牢であり,標準的な VQE 手法と比較して解を見つける確率が高いことを示す。 シミュレーションの結果,L-VQEは現実的なハードウェアノイズ下では良好に動作していることがわかった。
  論文  参考訳（メタデータ） (2021-02-10T16:53:22Z)
• An optimal quantum sampling regression algorithm for variational eigensolving in the low qubit number regime [0.0]
  量子サンプリング回帰(QSR)は、代替の量子古典的アルゴリズムである。 低量子ビット数構造における時間的複雑さに基づいて,その利用事例を分析した。 ベンチマーク問題に対するアルゴリズムの有効性を示す。
  論文  参考訳（メタデータ） (2020-12-04T00:01:15Z)

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。