論文の概要: Decomposition Pipeline for Large-Scale Portfolio Optimization with Applications to Near-Term Quantum Computing

• arxiv url: http://arxiv.org/abs/2409.10301v2
• Date: Wed, 20 Nov 2024 16:04:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:09:20.286886
• Title: Decomposition Pipeline for Large-Scale Portfolio Optimization with Applications to Near-Term Quantum Computing
• Title（参考訳）: 大規模ポートフォリオ最適化のための分解パイプラインと量子コンピューティングへの応用
• Authors: Atithi Acharya, Romina Yalovetzky, Pierre Minssen, Shouvanik Chakrabarti, Ruslan Shaydulin, Rudy Raymond, Yue Sun, Dylan Herman, Ruben S. Andrist, Grant Salton, Martin J. A. Schuetz, Helmut G. Katzgraber, Marco Pistoia,
• Abstract要約: ポートフォリオ最適化と制約付きの問題の再バランスは、しばしば難解か、正確に解くのが困難である。 我々のパイプラインは、実世界のポートフォリオ最適化問題を、約80%の削減でサブプロブレムに一貫して分解する。 大きな問題をいくつかの小さなサブプロブレムに分解することで、パイプラインは短期量子デバイスをソルバとして使用することができる。
• 参考スコア（独自算出の注目度）: 10.049166866086738
• License:
• Abstract: Industrially relevant constrained optimization problems, such as portfolio optimization and portfolio rebalancing, are often intractable or difficult to solve exactly. In this work, we propose and benchmark a decomposition pipeline targeting portfolio optimization and rebalancing problems with constraints. The pipeline decomposes the optimization problem into constrained subproblems, which are then solved separately and aggregated to give a final result. Our pipeline includes three main components: preprocessing of correlation matrices based on random matrix theory, modified spectral clustering based on Newman's algorithm, and risk rebalancing. Our empirical results show that our pipeline consistently decomposes real-world portfolio optimization problems into subproblems with a size reduction of approximately 80%. Since subproblems are then solved independently, our pipeline drastically reduces the total computation time for state-of-the-art solvers. Moreover, by decomposing large problems into several smaller subproblems, the pipeline enables the use of near-term quantum devices as solvers, providing a path toward practical utility of quantum computers in portfolio optimization.
• Abstract（参考訳）: ポートフォリオ最適化やポートフォリオ再バランスといった産業上の制約のある最適化問題は、しばしば難解か、正確に解決するのが困難である。 本研究では,ポートフォリオ最適化を目標とした分解パイプラインの提案とベンチマークを行い,制約付き問題の再バランスを行う。 パイプラインは最適化問題を制約付きサブプロブレムに分解し、それを分離して集約して最終的な結果を与える。 パイプラインには,確率行列理論に基づく相関行列の前処理,ニューマンのアルゴリズムに基づくスペクトルクラスタリング,リスク再バランスの3つの主要コンポーネントが含まれている。 実験結果から,我々のパイプラインは,実世界のポートフォリオ最適化問題を,約80%の削減率でサブプロブレムに分解することを示した。 サブプロブレムは独立して解かれるので、我々のパイプラインは最先端の解法に対する計算時間を劇的に短縮する。 さらに、大きな問題をいくつかの小さなサブプロブレムに分解することで、パイプラインは短期量子デバイスを解法として使用することができ、ポートフォリオ最適化における量子コンピュータの実用性への道を提供する。

関連論文リスト

• 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)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods [52.0617030129699]
  本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。 我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。 本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
  論文  参考訳（メタデータ） (2023-10-08T23:39:38Z)
• Multi-Grid Tensorized Fourier Neural Operator for High-Resolution PDEs [93.82811501035569]
  本稿では,メモリ要求を低減し,より一般化したデータ効率・並列化可能な演算子学習手法を提案する。 MG-TFNOは、実世界の実世界の現象の局所的構造と大域的構造を活用することで、大規模な分解能にスケールする。 乱流ナビエ・ストークス方程式において150倍以上の圧縮で誤差の半分以下を達成できる優れた性能を示す。
  論文  参考訳（メタデータ） (2023-09-29T20:18:52Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Portfolio optimization with discrete simulated annealing [0.0]
  離散凸関数と非凸コスト関数の存在下で最適なポートフォリオを求めるための整数最適化法を提案する。 これにより、与えられた品質でソリューションを実現できる。
  論文  参考訳（メタデータ） (2022-10-03T10:39:05Z)
• Sparse Polynomial Optimization: Theory and Practice [5.27013884159732]
  本書は、この課題に重要な科学的意味を持って取り組むためのいくつかの取り組みを提示している。 これは計算複雑性の観点からうまくスケールする代替の最適化スキームを提供する。 制約のない問題や制約のない問題に対して、緩和の疎開的階層を提示する。
  論文  参考訳（メタデータ） (2022-08-23T18:56:05Z)
• Path Regularization: A Convexity and Sparsity Inducing Regularization for Parallel ReLU Networks [75.33431791218302]
  本稿では,ディープニューラルネットワークのトレーニング問題について検討し,最適化環境に隠された凸性を明らかにするための解析的アプローチを提案する。 我々は、標準のディープ・ネットワークとResNetを特別なケースとして含む、ディープ・パラレルなReLUネットワークアーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2021-10-18T18:00:36Z)
• Globally optimizing QAOA circuit depth for constrained optimization problems [0.2609784101826761]
  我々は、最適化問題における$n$-variable monomialsを、より少ない変数におけるmonomialsを持つ等価なインスタンスに還元するグローバル変数置換法を開発した。 量子近似最適化アルゴリズムを用いて、削減された問題を解くために必要な最適量子回路深さを解析する。
  論文  参考訳（メタデータ） (2021-08-06T19:25:45Z)
• On the Convexity of Discrete Time Covariance Steering in Stochastic Linear Systems with Wasserstein Terminal Cost [1.1602089225841632]
  端末状態の共分散が上界であるとき、L"所有者部分順序に関して、この問題は一意に大域的最小化状態フィードバックゲインを許容することを示す。 本研究の結果は, 特殊制御設計ツールの開発に向けての段階を定めている。
  論文  参考訳（メタデータ） (2021-03-25T03:24:52Z)
• Solving the Optimal Trading Trajectory Problem Using Simulated Bifurcation [0.0]
  シミュレーション分岐(SB)に基づく最適化手法を用いて,前例のない計算速度で整数ポートフォリオとトラジェクトリ問題を解く。 最大1000の資産のポートフォリオに対して,ポートフォリオとしての新しいユースケースと取引路としてのSBアルゴリズムのパワーをすでに確認した上で,最初の数値結果を示す。
  論文  参考訳（メタデータ） (2020-09-17T16:42:04Z)

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。