論文の概要: Quantum computing for multidimensional option pricing: End-to-end pipeline

• arxiv url: http://arxiv.org/abs/2601.04049v1
• Date: Wed, 07 Jan 2026 16:07:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 02:15:23.67754
• Title: Quantum computing for multidimensional option pricing: End-to-end pipeline
• Title（参考訳）: 多次元オプション価格のための量子コンピューティング:エンドツーエンドパイプライン
• Authors: Julien Hok, Álvaro Leitao,
• Abstract要約: この作業では、マルチアセットオプションの価格設定のためのエンドツーエンドフレームワークを導入している。 これは、市場一貫性のあるリスクニュートラル密度回復と量子加速数値積分を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work introduces an end-to-end framework for multi-asset option pricing that combines market-consistent risk-neutral density recovery with quantum-accelerated numerical integration. We first calibrate arbitrage-free marginal distributions from European option quotes using the Normal Inverse Gaussian (NIG) model, leveraging its analytical tractability and ability to capture skewness and fat tails. Marginals are coupled via a Gaussian copula to construct joint distributions. To address the computational bottleneck of the high-dimensional integration required to solve the option pricing formula, we employ Quantum Accelerated Monte Carlo (QAMC) techniques based on Quantum Amplitude Estimation (QAE), achieving quadratic convergence improvements over classical Monte Carlo (CMC) methods. Theoretical results establish accuracy bounds and query complexity for both marginal density estimation (via cosine-series expansions) and multidimensional pricing. Empirical tests on liquid equity entities (Credit Agricole, AXA, Michelin) confirm high calibration accuracy and demonstrate that QAMC requires 10-100 times fewer queries than classical methods for comparable precision. This study provides a practical route to integrate arbitrage-aware modelling with quantum computing, highlighting implications for scalability and future extensions to complex derivatives.
• Abstract（参考訳）: 本研究は、市場一貫性のあるリスクニュートラル密度回復と量子加速数値積分を組み合わせたマルチアセストオプション価格のエンドツーエンドフレームワークを導入する。 まず、正規逆ガウスモデル(NIG)モデルを用いて、ヨーロッパのオプション引用から偏差のない辺縁分布をキャリブレーションし、その解析的トラクタビリティと、歪や脂肪の尾を捉える能力を利用する。 マージナルは、合同分布を構築するためにガウスコプラを介して結合される。 オプション価格式を解くのに必要な高次元積分の計算ボトルネックを解決するために、古典的モンテカルロ法(CMC)に比べて2次収束性の向上を達成し、量子振幅推定(QAE)に基づく量子加速モンテカルロ(QAMC)技術を用いる。 理論的結果は、(コサイン級数展開による)限界密度推定と多次元価格の両方の精度境界とクエリ複雑性を確立する。 液体エクイティエンティティ(Credit Agricole, AXA, Michelin)に関する実証実験では、高いキャリブレーション精度が確認され、QAMCが同等の精度の古典的手法よりも10～100倍少ないクエリを必要とすることを示した。 本研究は、量子コンピューティングと仲裁認識モデリングを統合するための実践的な方法を提供し、拡張性や複雑な微分への将来の拡張について強調する。

関連論文リスト

• Optimal Multiparameter Quantum Estimation of Magnonic Couplings in a Magnomechanical Cavity [0.0]
  本稿では,結合の同時推定精度を$G_mc$と$G_mb$で向上させる実験的な手法を提案する。 また, ある条件下では, ヘテロダイン検出がQFIMの最終的な精度に近づきやすいことを示す。 このことから, ヘテロダイン検出に基づく測定戦略は, 結合を推定するための効率的かつ実用的な経路を提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-11-15T20:45:26Z)
• Quantum Machine Learning methods for Fourier-based distribution estimation with application in option pricing [42.79174867716636]
  オプション価格問題に対処する2つのハイブリッド古典量子法を提案する。 提案手法は,導関数評価の競合的量子代替物として,顕著な精度を実現していることを示す。
  論文  参考訳（メタデータ） (2025-10-22T11:43:08Z)
• Quantum Kernel Methods: Convergence Theory, Separation Bounds and Applications to Marketing Analytics [0.22940141855172033]
  本研究は、NISQ体制における実際の消費者分類タスクに量子カーネル法を適用することの実現可能性について研究する。 量子カーネル支援ベクトルマシン(Q-SVM)と量子特徴抽出モジュール(QFE)を組み合わせたハイブリッドパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-11T14:11:41Z)
• Quantum Subgradient Estimation for Conditional Value-at-Risk Optimization [0.0]
  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。
  論文  参考訳（メタデータ） (2025-10-06T12:09:43Z)
• Practical Application of the Quantum Carleman Lattice Boltzmann Method in Industrial CFD Simulations [44.99833362998488]
  この研究は、格子ボルツマン法(LBM)に基づくCFDへのハイブリッド量子古典的アプローチの実用的な数値評価を提示する。 本手法は, 異なる境界条件, 周期性, バウンスバック, 移動壁を有する3つのベンチマークケースで評価した。 提案手法の有効性を検証し,10～3ドル程度の誤差忠実度と,実際の量子状態サンプリングに十分な確率を達成できた。
  論文  参考訳（メタデータ） (2025-04-17T15:41:48Z)
• Gradient-free variational learning with conditional mixture networks [39.827869318925494]
  条件付き混合ネットワーク(CMN)の高速・勾配なし変分法であるCAVI-CMNを導入する。 CAVI-CMNは、バックプロパゲーションを伴う最大推定値(MLE)と比較して、競争力があり、しばしば優れた予測精度を達成する。 入力サイズや専門家の数が増加するにつれて、計算時間はMLEと競合的にスケールする。
  論文  参考訳（メタデータ） (2024-08-29T10:43:55Z)
• Ensemble Multi-Quantiles: Adaptively Flexible Distribution Prediction for Uncertainty Quantification [4.728311759896569]
  本稿では,機械学習における不確実性を定量化するために,分布予測の新しい,簡潔かつ効果的な手法を提案する。 これは回帰タスクにおいて$mathbbP(mathbfy|mathbfX=x)$の適応的に柔軟な分布予測を組み込む。 UCIデータセットからの大規模な回帰タスクでは、EMQが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2022-11-26T11:45:32Z)
• Generalizable Mixed-Precision Quantization via Attribution Rank Preservation [90.26603048354575]
  効率的な推論のための一般化可能な混合精度量子化法(GMPQ)を提案する。 提案手法は,最先端の混合精度ネットワークと比較し,競合精度・複雑度トレードオフを求める。
  論文  参考訳（メタデータ） (2021-08-05T16:41:57Z)
• Realization of arbitrary doubly-controlled quantum phase gates [62.997667081978825]
  本稿では,最適化問題における短期量子優位性の提案に着想を得た高忠実度ゲートセットを提案する。 3つのトランペット四重項のコヒーレントな多レベル制御を編成することにより、自然な3量子ビット計算ベースで作用する決定論的連続角量子位相ゲートの族を合成する。
  論文  参考訳（メタデータ） (2021-08-03T17:49:09Z)

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。