論文の概要: Quantum Counterparty Credit Risk: A Study of Path-Dependent Derivatives
- arxiv url: http://arxiv.org/abs/2606.28701v1
- Date: Sat, 27 Jun 2026 03:03:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.660492
- Title: Quantum Counterparty Credit Risk: A Study of Path-Dependent Derivatives
- Title（参考訳）: 量子対当事者信用リスク : 経路依存型デリバティブの研究
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.813553694972824
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Estimating potential future exposure (PFE) for path-dependent derivatives, such as FX Target Redemption Forwards (TARFs), represents a formidable computational challenge due to the demand of nested Monte Carlo simulations. We present a hybrid quantum-classical framework that leverages Iterative Quantum Amplitude Estimation (IQAE) to address this via a reduced-order counterparty credit risk model. Our methodology maps the non-linear TARF payoff -- including cumulative gains and knock-out features -- into a quantum circuit via a two-step formulation, whereby a first-step percentile is computed classically and then used to condition quantum evaluation of subsequent exposure. We employ discretisation of the FX process and a linearised additive approximation of dynamics to enable implementation on current quantum platforms. Developed via the Classiq platform and validated on NVIDIA CUDA-Q and Amazon Braket SV1, our approach achieves relative errors of 1%-8% against classical benchmarks at the 97.5% and 99% confidence levels. While discretisation constraints and approximate monotonicity assumption may introduce bias and limit recovery of the full exposure distribution, our framework offers a tractable testbed for quantum acceleration. Scaling analysis suggests that $\sim$300 logical qubits could enable full 52-week exposure estimation, reducing sample complexity for tail-risk estimation via amplitude estimation at the cost of increased circuit depth.
- Abstract（参考訳）: 経路依存デリバティブ(例えば FX Target Redemption Forwards (TARF) など)に対する潜在的将来の露光(PFE)の推定は、ネストされたモンテカルロシミュレーションの要求による、恐ろしい計算課題である。
本稿では、Iterative Quantum Amplitude Estimation (IQAE) を利用して、これに対応するハイブリッドな量子古典的フレームワークを提案する。
我々の手法は、累積ゲインやノックアウト特徴を含む非線形TARFペイオフを2ステップの定式化によって量子回路にマッピングし、第1ステップのパーセンタイルを古典的に計算し、その後の露光の量子評価を条件に使用する。
我々は、現在の量子プラットフォーム上での実装を可能にするために、FXプロセスの離散化と動的の線形化加法近似を採用する。
Classiqプラットフォームを介して開発され、NVIDIA CUDA-QとAmazon Braket SV1で検証されたこのアプローチは、97.5%と99%の信頼レベルにおいて、古典的なベンチマークに対して1%-8%の相対誤差を達成する。
離散化制約と近似単調性仮定は、完全な露光分布のバイアスとリカバリをもたらす可能性があるが、我々のフレームワークは量子加速のためのトラクタブルなテストベッドを提供する。
スケーリング分析によると、$\sim$300の論理量子ビットは52週間の露光推定を可能にし、回路深度の増加による振幅推定によるテールリスク推定のサンプル複雑さを低減できる。
関連論文リスト
- Stochastic Pauli-path simulator for large-scale quantum optimization [57.179828941706006]
パウリパスシミュレータは、低磁力状態における量子回路の大規模古典的シミュレーションへの有望な経路を提供する。
既存のアプローチでは、勾配ベースの最適化をネイティブにサポートしていないか、あるいは厳しい勾配バイアスに悩まされている。
本稿では,大規模量子最適化のための計算フレームワークであるPauli-path simulator (SPPS)を提案する。
論文 参考訳（メタデータ） (2026-07-20T10:43:44Z) - Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
CL-QASは連続的な量子アーキテクチャ検索フレームワークである。
振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。
制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
論文 参考訳（メタデータ） (2026-01-10T02:36:03Z) - Quantum-Enhanced Neural Contextual Bandit Algorithms [50.880384999888044]
本稿では,Quantum Neural Tangent Kernel-Upper Confidence Bound (QNTK-UCB)アルゴリズムを提案する。
QNTK-UCBは、量子ニューラルタンジェントカーネル(QNTK)を利用してこれらの制限に対処する新しいアルゴリズムである。
論文 参考訳（メタデータ） (2026-01-06T09:58:14Z) - 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) - Hybrid Quantum-Classical Neural Networks for Few-Shot Credit Risk Assessment [52.05742536403784]
この仕事は、数発の信用リスク評価の課題に取り組む。
我々は、新しいハイブリッド量子古典ワークフローを設計、実装する。
量子ニューラルネットワーク(QNN)はパラメータシフト規則によって訓練された。
実世界の279のサンプルデータを用いて、QNNはシミュレーションで0.852 +/-0.027の堅牢な平均AUCを達成し、ハードウェア実験で0.88の印象的なAUCを得た。
論文 参考訳（メタデータ） (2025-09-17T08:36:05Z) - Implementing Credit Risk Analysis with Quantum Singular Value Transformation [0.25128687379089687]
量子振幅推定(QAE)は、古典的手法よりも2次的なスピードアップのポテンシャルを提供する。
本稿では,状態準備演算子の実装コストを大幅に削減するためにQSVT(Quantum Singular Value Transformation)を提案する。
論文 参考訳（メタデータ） (2025-07-25T12:25:42Z) - Calibration of Quantum Devices via Robust Statistical Methods [45.464983015777314]
量子パラメータ学習の最先端技術に対するベイズ推論の高度な統計的手法を数値解析する。
既存のアプローチ、すなわち多モード性および高次元性において、これらのアプローチの利点を示す。
我々の発見は、オープン量子システムの力学を学習する量子キャラクタリゼーションの課題に応用できる。
論文 参考訳（メタデータ） (2025-07-09T15:22:17Z) - Hybrid Quantum Neural Networks with Amplitude Encoding: Advancing Recovery Rate Predictions [6.699192644249841]
回収率予測は、リスク評価の強化、ポートフォリオ割り当ての最適化、価格精度の向上など、債券投資戦略において重要な役割を担っている。
本稿では,Amplitudeを用いたハイブリッド量子機械学習(QML)モデルを提案する。
我々は1996年から2023年までの1,725の観測結果からなる地球規模の回復率データセット上でモデルを評価した。
論文 参考訳（メタデータ） (2025-01-27T07:27:23Z) - Bayesian Quantum Amplitude Estimation [46.03321798937855]
量子振幅推定のための問題調整およびノイズ認識ベイズアルゴリズムであるBAEを提案する。
耐障害性シナリオでは、BAEはハイゼンベルク限界を飽和させることができ、デバイスノイズが存在する場合、BAEはそれを動的に特徴付け、自己適応することができる。
本稿では,振幅推定アルゴリズムのベンチマークを提案し,他の手法に対してBAEをテストする。
論文 参考訳（メタデータ） (2024-12-05T18:09:41Z) - Calibrating Neural Simulation-Based Inference with Differentiable
Coverage Probability [50.44439018155837]
ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。
古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。
既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
論文 参考訳（メタデータ） (2023-10-20T10:20:45Z) - Quantum Monte Carlo simulations for financial risk analytics: scenario generation for equity, rate, and credit risk factors [0.0]
モンテカルロ(MC)シミュレーションは金融リスク管理に広く使われている。
収束に必要なシナリオの数のため、計算コストがかなり高い。
近年の研究では、共通リスク尺度の計算とQAEアルゴリズムの最適化が検討されている。
論文 参考訳（メタデータ） (2023-03-16T22:57:15Z) - Towards practical Quantum Credit Risk Analysis [0.5735035463793008]
CRA (Credit Risk Analysis) の量子アルゴリズムが2次スピードアップで導入された。
我々は、この量子アルゴリズムのいくつかの重要な制限を克服する目的で、新しい変種を提案する。
論文 参考訳（メタデータ） (2022-12-14T09:25:30Z) - Assessment of weak-coupling approximations on a driven two-level system
under dissipation [58.720142291102135]
我々は, 減散を伴うリウヴィル・ヴォン方程式(Liouville-von equation)と呼ばれる数値的正確かつ非摂動的手法を用いて, 駆動量子ビットについて検討した。
我々は、駆動された量子ビットの定常状態を予測する上で、リンドブラッド方程式の妥当性の規則をマップするために実験で用いられる計量を提案する。
論文 参考訳（メタデータ） (2020-11-11T22:45:57Z)
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。