論文の概要: A Quantum-Driven Evolutionary Framework for Solving High-Dimensional Sharpe Ratio Portfolio Optimization
- arxiv url: http://arxiv.org/abs/2601.11029v1
- Date: Fri, 16 Jan 2026 06:50:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-19 20:21:50.380454
- Title: A Quantum-Driven Evolutionary Framework for Solving High-Dimensional Sharpe Ratio Portfolio Optimization
- Title（参考訳）: 高次元シャープ比ポートフォリオ最適化のための量子駆動進化フレームワーク
- Authors: Mingyang Yu, Jiaqi Zhang, Haorui Yang, Adam Slowik, Huiling Chen, Jing Xu,
- Abstract要約: 高次元ポートフォリオ最適化は、複雑な制約の下で重要な計算課題に直面している。
適応的なペナルティ項を用いて,全ての制約を対象関数に組み込んだシャープ比モデルを提案する。
本稿では、量子に着想を得た確率的振る舞いを標準のDEフレームワークに統合する量子ハイブリッド微分進化(QHDE)アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 19.80729137474542
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-dimensional portfolio optimization faces significant computational challenges under complex constraints, with traditional optimization methods struggling to balance convergence speed and global exploration capability. To address this, firstly, we introduce an enhanced Sharpe ratio-based model that incorporates all constraints into the objective function using adaptive penalty terms, transforming the original constrained problem into an unconstrained single-objective formulation. This approach preserves financial interpretability while simplifying algorithmic implementation. To efficiently solve the resulting high-dimensional optimization problem, we propose a Quantum Hybrid Differential Evolution (QHDE) algorithm, which integrates Quantum-inspired probabilistic behavior into the standard DE framework. QHDE employs a Schrodinger-inspired probabilistic mechanism for population evolution, enabling more flexible and diversified solution updates. To further enhance performance, a good point set-chaos reverse learning strategy is adopted to generate a well-dispersed initial population, and a dynamic elite pool combined with Cauchy-Gaussian hybrid perturbations strengthens global exploration and mitigates premature convergence. Experimental validation on CEC benchmarks and real-world portfolios involving 20 to 80 assets demonstrates that QHDE's performance improves by up to 73.4%. It attains faster convergence, higher solution precision, and greater robustness than seven state-of-the-art counterparts, thereby confirming its suitability for complex, high-dimensional portfolio optimization and advancing quantum-inspired evolutionary research in computational finance.
- Abstract（参考訳）: 高次元ポートフォリオ最適化は複雑な制約の下で重要な計算課題に直面し、従来の最適化手法は収束速度とグローバル探索能力のバランスをとるのに苦労している。
まず、適応的なペナルティ項を用いて、全ての制約を対象関数に組み込んだ拡張シャープ比モデルを導入し、元の制約された問題を制約のない単目的の定式化に変換する。
このアプローチは、アルゴリズムの実装を簡素化しながら、金銭的解釈可能性を維持する。
得られた高次元最適化問題を効率的に解くために,量子に着想を得た確率的振る舞いを標準のDEフレームワークに統合した量子ハイブリッド微分進化法(QHDE)アルゴリズムを提案する。
QHDEはシュロディンガーにインスパイアされた確率的メカニズムを集団の進化に応用し、より柔軟で多様な解の更新を可能にする。
さらに, コーシー・ガウス混成摂動と組み合わせた動的エリートプールは, 地球探査を強化し, 早期収束を緩和する。
CECベンチマークと20から80の資産を含む現実世界のポートフォリオに関する実験的検証は、QHDEのパフォーマンスが73.4%向上したことを示している。
より高速な収束、解精度の向上、そして7つの最先端技術よりも高い堅牢性を実現し、複雑で高次元のポートフォリオ最適化と計算ファイナンスにおける量子インスパイアされた進化研究への適合性を確認する。
関連論文リスト
- Socio-cognitive agent-oriented evolutionary algorithm with trust-based optimization [70.49434432747293]
信頼に基づく最適化(TBO)は、従来の周期的移行を信頼や評価に基づく柔軟なエージェント駆動の相互作用メカニズムに置き換える進化計算における島モデルの新たな拡張である。
実験の結果、TBOは様々な最適化問題において標準島モデル進化アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2025-10-29T01:59:26Z) - TCPO: Thought-Centric Preference Optimization for Effective Embodied Decision-making [75.29820290660065]
本稿では,効果的な具体的意思決定のための思考中心推論最適化(TCPO)を提案する。
モデルの中間的推論プロセスの整合性を強調し、モデル劣化の問題を緩和する。
ALFWorld環境での実験では、平均成功率は26.67%であり、RL4VLMよりも6%向上している。
論文 参考訳（メタデータ） (2025-09-10T11:16:21Z) - QUBO-based training for VQAs on Quantum Annealers [0.06372261626436675]
量子アニールは、大規模な最適化問題を解決する効果的なフレームワークを提供する。
本研究は変分量子アルゴリズムを学習するための新しい手法を提案する。
論文 参考訳（メタデータ） (2025-09-01T22:57:49Z) - Achieving High-Quality Portfolio Optimization with the Variational Quantum Eigensolver [3.361857599742077]
ポートフォリオ最適化は、リスクを最小限にしつつリターンを最大化するためにポートフォリオ内の資産の最適配分を決定することを目的とした金融の基本的な問題である。
量子コンピューティングは、そのような問題を古典的な方法よりも効率的に解くことができる。
本稿では,ポートフォリオ最適化問題に対処するために変分量子固有解器(VQE)を用いる。
論文 参考訳（メタデータ） (2025-08-26T03:03:36Z) - A Quantum Genetic Algorithm Framework for the MaxCut Problem [49.59986385400411]
提案手法では,Groverをベースとした進化的枠組みと分割・分散原理を用いた量子遺伝的アルゴリズム(QGA)を提案する。
完全グラフ上では、提案手法は真に最適なMaxCut値を一貫して達成し、セミデフィニティプログラミング(SDP)アプローチより優れている。
ErdHos-R'enyiランダムグラフでは、QGAは競合性能を示し、SDP結果の92-96%で中央値の解が得られる。
論文 参考訳（メタデータ） (2025-01-02T05:06:16Z) - Improving the trainability of VQE on NISQ computers for solving portfolio optimization using convex interpolation [8.186804065389007]
ポートフォリオ最適化のための凸性を利用して変動量子固有解器(VQE)の訓練性を向上させる。
凸に基づいて、基底状態の位置はヒルベルト空間における基底状態の小さな部分集合の性質を学ぶことによって評価することができる。
超伝導量子ビットを用いた40ドルの量子ビット実験を成功裏に実施し,提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2024-07-08T03:51:54Z) - A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。
これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。
本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Accelerating the Evolutionary Algorithms by Gaussian Process Regression
with $\epsilon$-greedy acquisition function [2.7716102039510564]
本稿では,最適化の収束を早めるために,エリート個人を推定する新しい手法を提案する。
我々の提案には、エリート個人を推定し、最適化の収束を加速する幅広い見通しがある。
論文 参考訳（メタデータ） (2022-10-13T07:56:47Z) - Faster Algorithm and Sharper Analysis for Constrained Markov Decision
Process [56.55075925645864]
制約付き意思決定プロセス (CMDP) の問題点について検討し, エージェントは, 複数の制約を条件として, 期待される累積割引報酬を最大化することを目的とする。
新しいユーティリティ・デュアル凸法は、正規化ポリシー、双対正則化、ネステロフの勾配降下双対という3つの要素の新たな統合によって提案される。
これは、凸制約を受ける全ての複雑性最適化に対して、非凸CMDP問題が$mathcal O (1/epsilon)$の低い境界に達する最初の実演である。
論文 参考訳（メタデータ） (2021-10-20T02:57:21Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z)
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。