論文の概要: Quantum Subgradient Estimation for Conditional Value-at-Risk Optimization
- arxiv url: http://arxiv.org/abs/2510.04736v1
- Date: Mon, 06 Oct 2025 12:09:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.840846
- Title: Quantum Subgradient Estimation for Conditional Value-at-Risk Optimization
- Title（参考訳）: 条件付き値-アット・リスク最適化のための量子次数推定
- Abstract要約: 条件付きバリュー・アット・リスク(CVaR)は金融における主要なテールリスク指標である。
本稿では,振幅推定に基づくCVaR最小化のための量子下降オラクルを解析する。
- 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: Conditional Value-at-Risk (CVaR) is a leading tail-risk measure in finance, central to both regulatory and portfolio optimization frameworks. Classical estimation of CVaR and its gradients relies on Monte Carlo simulation, incurring $O(1/\epsilon^2)$ sample complexity to achieve $\epsilon$-accuracy. In this work, we design and analyze a quantum subgradient oracle for CVaR minimization based on amplitude estimation. Via a tripartite proposition, we show that CVaR subgradients can be estimated with $O(1/\epsilon)$ quantum queries, even when the Value-at-Risk (VaR) threshold itself must be estimated. We further quantify the propagation of estimation error from the VaR stage to CVaR gradients and derive convergence rates of stochastic projected subgradient descent using this oracle. Our analysis establishes a near-quadratic improvement in query complexity over classical Monte Carlo. Numerical experiments with simulated quantum circuits confirm the theoretical rates and illustrate robustness to threshold estimation noise. This constitutes the first rigorous complexity analysis of quantum subgradient methods for tail-risk minimization.
- Abstract（参考訳）: Conditional Value-at-Risk(CVaR)は、規制とポートフォリオ最適化の両方のフレームワークの中心として、金融における主要なリスク対策である。
CVaRとその勾配の古典的な推定はモンテカルロシミュレーションに依存しており、$O(1/\epsilon^2)$サンプルの複雑さが$\epsilon$-accuracyに達する。
本研究では,振幅推定に基づくCVaR最小化のための量子下降オラクルの設計と解析を行う。
三部構成の提案により、CVaRの下位勾配は、値-at-Risk(VaR)しきい値自体を推定しなければならない場合でも、$O(1/\epsilon)$量子クエリと推定できることを示す。
さらに、VaRステージからCVaR勾配への推定誤差の伝搬を定量化し、このオラクルを用いて確率射影下降の収束率を導出する。
我々の分析は,古典モンテカルロよりもクエリの複雑さがほぼ4分の1改善されていることを証明している。
シミュレーション量子回路を用いた数値実験により、理論速度が確認され、しきい値推定ノイズに対するロバスト性を示す。
これは、テールリスク最小化のための量子下次法の最初の厳密な複雑性解析を構成する。
関連論文リスト
- Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。
本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。
我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。
スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
論文 参考訳（メタデータ） (2026-08-25T15:07:11Z) - Quantum Counterparty Credit Risk: A Study of Path-Dependent Derivatives [1.813553694972824]
経路依存デリバティブの将来の露光を推定するためのハイブリッド量子古典フレームワークを提案する。
我々はFXプロセスの離散化と線形化近似を採用し、現在のプラットフォーム上での実装を可能にする。
我々のフレームワークは量子加速のための引き込み可能なテストベッドを提供する。
論文 参考訳（メタデータ） (2026-06-27T03:03:44Z) - Towards Quantum Optimised Malware Containment [0.0]
コンピュータネットワークにおけるマルウェアの封入は、ネットワーク影響の最小化問題として自然に定式化できる。
量子振幅推定(QAE)とGrover Minimum Finding(GMF)を組み合わせたハイブリッド量子アプローチを提案する。
本稿では, 量子オラクルの構成を記述し, 結果として生じる複雑性の改善を解析する形式的問題定義を提案する。
論文 参考訳（メタデータ） (2026-04-29T13:59:01Z) - Quantum Amplitude Estimation for Catastrophe Insurance Tail-Risk Pricing: Empirical Convergence and NISQ Noise Analysis [0.13537117504260618]
量子振幅推定(QAE)はモンタナロに続いて、オラクルクエリにおける相互Nの順序にアプローチする。
我々は、真のGrover増幅を備えたQiskit Aerシミュレータを用いて、この利点を実証的に検証する。
合成および実データ(NOAA Storm Events, 58,028レコード)に関する7つの実験は、3つの主要な発見をもたらす。
論文 参考訳（メタデータ） (2026-03-10T15:20:57Z) - High-accuracy log-concave sampling with stochastic queries [70.90863485771405]
サブエクスフォデンシャルテールの繰り返し勾配を用いて,ログコンケーブサンプリングの精度保証が達成可能であることを示す。
また、このフレームワークは、0番目の順序(値)クエリの下でも、同様の高精度な保証を提供する。
論文 参考訳（メタデータ） (2026-02-15T23:19:07Z) - Stabilized Maximum-Likelihood Iterative Quantum Amplitude Estimation for Structural CVaR under Correlated Random Fields [0.0]
Conditional Value-at-Risk (CVaR) は構造力学における中心的なテールリスク尺度である。
本研究では,CVaR評価を信頼性制約付き最大形振幅推定問題として用いた量子強化推論フレームワークを開発した。
論文 参考訳（メタデータ） (2026-02-10T14:53:26Z) - Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。
クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。
我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
論文 参考訳（メタデータ） (2026-02-05T14:16:47Z) - Importance Weighted Variational Inference without the Reparameterization Trick [7.6837301319181535]
現状のVIMCO勾配推定器は,N$の増加に伴い,信号-雑音比(SNR)が消失することを示す。
本稿では,VIMCO-$star$グラデーション推定器を提案し,既存のVIMCO勾配推定器のSNR崩壊を回避することを示す。
論文 参考訳（メタデータ） (2026-02-01T19:39:30Z) - Error Propagation in Dynamic Programming: From Stochastic Control to Option Pricing [0.12891210250935145]
本稿では、離散時間における最適制御(SOC)の理論的および方法論的基礎について検討する。
制御問題を一般的な動的プログラミングフレームワークで定式化し、詳細な収束解析に必要な数学的構造を導入する。
我々は、我々の分析が重要な金融アプリケーション、すなわちアメリカのオプションの価格にどのように自然に適用するかを説明します。
論文 参考訳（メタデータ） (2025-09-24T15:30:19Z) - Finite-Sample Analysis of Policy Evaluation for Robust Average Reward Reinforcement Learning [50.81240969750462]
我々は、ロバスト平均マルコフ決定過程(PMD)における政策評価の第1次有限サンプル解析を提案する。
頑健なベルマン作用素は、慎重に構築された半ノルムの下で収縮し、制御バイアスを持つフレームワークを開発することを示す。
本手法は,ロバストな政策評価とロバストな平均報酬推定のために,$tildemathcalO(epsilon-2)$のオーダー最適サンプル複雑性を実現する。
論文 参考訳（メタデータ） (2025-02-24T03:55:09Z) - Enhancing Quantum Expectation Values via Exponential Error Suppression and CVaR Optimization [2.526146573337397]
本稿では,仮想チャネル浄化(VCP)手法とCVaR最適化を併用して,期待値推定を改善するフレームワークを提案する。
まず、CVaR値を異なる確率から比較し、ノイズ下での量子推定の信頼性に関する洞察を与える条件を導出します。
論文 参考訳（メタデータ） (2025-01-30T17:24:01Z) - Convergence Rate Analysis of LION [54.28350823319057]
LION は、勾配カルシュ=クーン=T (sqrtdK-)$で測定された $cal(sqrtdK-)$ の反復を収束する。
従来のSGDと比較して,LIONは損失が小さく,性能も高いことを示す。
論文 参考訳（メタデータ） (2024-11-12T11:30:53Z) - Langevin dynamics based algorithm e-TH$\varepsilon$O POULA for stochastic optimization problems with discontinuous stochastic gradient [6.563379950720334]
我々は,不連続勾配による最適化問題を解くために,e-TH$varepsilon$O POULAと呼ばれる新しいランゲヴィン力学に基づくアルゴリズムを導入する。
金融と保険の3つの重要な応用として、多周期ポートフォリオ最適化、多周期ポートフォリオ最適化におけるトランスファーラーニング、保険請求予測がある。
論文 参考訳（メタデータ） (2022-10-24T13:10:06Z) - Posterior Coreset Construction with Kernelized Stein Discrepancy for
Model-Based Reinforcement Learning [78.30395044401321]
我々は、強化学習(MBRL)のための新しいモデルベースアプローチを開発する。
ターゲット遷移モデルの仮定を緩和し、混合モデルの一般的な族に属する。
連続的な制御環境では、壁時計の時間を最大50%削減することができる。
論文 参考訳（メタデータ） (2022-06-02T17:27:49Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。
そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文 参考訳（メタデータ） (2021-08-25T21:30:27Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - Sparse Representations of Positive Functions via First and Second-Order
Pseudo-Mirror Descent [15.340540198612823]
推定器の範囲が非負である必要がある場合、予測されるリスク問題を考察する。
Emphpseudo-gradientsを用いた近似ミラーの1階および2階の変種を開発した。
実験は、実際に不均一なプロセス強度推定に好適な性能を示す。
論文 参考訳（メタデータ） (2020-11-13T21:54:28Z) - Large-Scale Methods for Distributionally Robust Optimization [53.98643772533416]
我々のアルゴリズムは、トレーニングセットのサイズとパラメータの数によらず、多くの評価勾配を必要とすることを証明している。
MNIST と ImageNet の実験により,本手法の 9-36 倍の効率性を持つアルゴリズムの理論的スケーリングが確認された。
論文 参考訳（メタデータ） (2020-10-12T17:41:44Z)
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。